4.2 体感系统中的感官信息回路

4.2.2 躯干和四肢的初级感觉神经元聚集在背根神经节

如图 4.2.3 所示，将信息从四肢和躯干的皮肤、肌肉和关节传递到脊髓的感觉神经元聚集在脊柱内的背根神

经节中，紧邻脊髓。这些神经元的形状是伪单极的；它们有一个带有中央和外围分支的分叉轴突。周围分支作为

游离神经末梢支配皮肤、肌肉或其他组织，或与用于感知触觉、本体感觉（拉伸受体）、疼痛和温度的专门受体

相关联。

下行到

脊髓的

其他层

腹根

来自皮肤、

肌肉和关节

的信息

背根

神经节

神经元

上行至

脑干

背柱

Kandel-Ch04_0073-0096.indd 79 10/12/20 11:41 AM

图 4.2.3: 背根神经节和脊神经根。从皮肤、肌肉和关节获取感觉信息的神经元细胞体位于背根神经节，即与脊

髓相邻的细胞簇。这些神经元的轴突分为外围和中央分支。中央分支进入脊髓的背侧部分。

体感系统及其从受体到知觉的通路在第 17 章到第 20 章中有更全面的描述。在这一点上，基本上有 2 条来自

外围的体感通路，它们要么携带触摸和拉伸（精细觉系统），要么携带疼痛和温度（粗感觉系统）。如图 4.2.4 所

示，精细觉纤维在脊髓后柱-内侧丘系系统中移动。来自背根神经节神经元的中央定向轴突在背（或后）柱白质

中上行并终止于延髓的薄束核或楔束核。疼痛通路和温度通路的中枢轴突形成脊髓丘脑通路。它们终止于脊髓

背角的灰质内。如图 4.2.4 所示，二级神经元穿过脊髓的另一侧并在脊髓丘脑前束和侧束中上行。两条通路最终

都终止于丘脑，丘脑将投射发送到大脑皮层的初级体感区域。在下一节中，我们将重点关注精细觉系统。

来自触觉和本体感觉神经元的局部分支和上行分支为体感信息从背根神经节细胞进入脊髓提供了两条功能

通路。局部分支可以激活调节运动输出的局部反射回路，而上行分支将信息传送到大脑，这些信息在丘脑和大

脑皮层中进一步处理。

4.2.3 脊髓中背根神经节神经元的中央轴突末端产生体表映射

背根神经节细胞的中央轴突终止于脊髓的方式形成了体表的神经映射。来自身体表面不同部分输入的这种

有序的躯体分布在整个上行的体感通路中保持不变。这种排列说明了神经组织的另一个重要原则。在任何特定

水平上构成神经回路的神经元通常以系统的方式连接并且在个体之间看起来相似。同样，连接神经系统不同层

次不同处理区域的纤维束也以高度组织化和模式化的方式排列。

进入骶骨区脊髓的轴突在靠近中线的背柱中上行，而那些依次进入更高水平的轴突在背柱内逐渐向外侧位

置上行。因此，在颈髓中，来自身体所有部分的轴突已经进入，来自下半身的感觉纤维位于背柱的内侧，而来自

4.2 体感系统中的感官信息回路

延髓

脊髓

延髓

脑桥

中脑

触摸

疼痛

躯体感受皮层

(中央后回)

前臂和

手部区域

躯干

腿脚

外侧沟

脸

内囊

丘脑

腹后外侧核和

腹后内侧核

脊髓中脑束

内侧丘系

脊髓丘脑束

三叉神经主核

脊髓网状束

楔束核

前外侧系统

背柱

内侧

丘系

背侧前脑岛

Kandel-Ch04_0073-0096.indd 80 10/12/20 11:41 AM

背根神经节细胞

薄束核

感觉交叉

三叉神经脊束核

薄束

楔形束

图 4.2.4: 来自四肢和躯干的体感信息通过两条上行通路传递到丘脑和大脑皮层。沿着从脊髓到大脑的神经轴的

脑切片说明了将体感信息传递到大脑皮层的两条主要通路的解剖结构。这两条通路在到达脑桥之前是分开的，它

们在那里并行。背柱-内侧丘系系统使用橙色表示。触摸和肢体本体感觉信号通过大直径有髓神经纤维传递到脊

髓和脑干，并在该系统中传递到丘脑。在脊髓中，用于触觉和本体感觉的纤维分开，一个分支进入同侧脊髓灰

质，另一个在同侧背柱中上行到延髓。来自背柱核神经元的二级纤维在延髓中穿过中线并在对侧内侧丘系中上

行至丘脑，在那里它们终止于腹后外侧核和腹后内侧核。这些核中的丘脑神经元将触觉和本体感受信息传递给

初级体感皮层。前外侧系统使用棕色表示。疼痛、瘙痒、温度和内脏信息通过终止于同侧背角的小直径有髓和

无髓纤维传递到脊髓。该信息由脊髓内的神经元通过中线传递，并传递到对侧前外侧系统中的脑干和丘脑。终

止于脑干的前外侧纤维组成脊髓网状束和脊髓中脑束；剩余的前外侧纤维形成脊髓丘脑束。

4.3 丘脑是感觉受体和大脑皮层之间的重要纽带

躯干、手臂和肩部以及最终来自颈部的感觉纤维则逐渐占据更多的外侧区域。如图 4.1.1 所示，在颈脊髓中，形

成背柱的轴突分为两束：位于内侧的纤细束和位于更外侧的楔形束。

4.2.4 每个躯体亚模态都在从外围到大脑的不同子系统中处理

躯体感觉的亚模态（触觉、痛觉、温度觉和位置觉）在大脑中通过终止于不同大脑区域的不同通路进行处

理。我们通过接触亚模态的信息路径来说明这些并行通路的特殊性。

携带触觉信息的初级传入纤维进入同侧背柱并上行到延髓。来自下半身的纤维在细束中行进并终止于细核，

而来自上半身的纤维在楔形束中行进并终止于楔形核。如图 4.1.1 所示，纤细核和楔形核中的神经元产生轴突，

轴突穿过大脑的另一侧并在称为内侧丘系的长纤维束中上行到丘脑。

与脊髓的背柱一样，内侧丘系的纤维按体表排列。因为携带感觉信息的纤维穿过中线到达大脑的另一侧，大

脑的右侧接收来自身体左侧的感觉信息，反之亦然。如图 4.1.1 所示，内侧丘系的纤维终止于丘脑的特定部分，

称为腹后外侧核。在那里，纤维保持它们的躯体组织，使得那些从下半身传递信息的纤维在横向结束，而那些从

上半身传递信息的纤维在中间终止。

4.3 丘脑是感觉受体和大脑皮层之间的重要纽带

丘脑是一个蛋形结构，构成间脑的背侧部分。它包含一类称为丘脑中继细胞的兴奋性神经元，可将感觉输

入传递到大脑皮层的初级感觉区域。然而，丘脑不仅仅是一个中继站。它充当信息到大脑皮层的守门人，根据生

物体的行为状态阻止或增强特定信息的传递。

大脑皮层的反馈投射部分终止于丘脑的一个特殊部分，称为丘脑网状核。这个细胞核在丘脑周围形成一层

薄片，几乎完全由突触到中继细胞上的抑制性神经元组成。它根本不投射到新皮层。除了接受来自新皮层的反

馈投射外，网状核还接收来自离开丘脑前往新皮层的轴突的输入，使丘脑能够调节其中继细胞对传入感觉信息

的反应。

大脑区域由几个明确定义的核团组成，丘脑是的一个很好的例子。如图 4.3.1 所示，已识别出多达 50 个丘脑

核团。一些细胞核接收特定于感觉方式的信息并投射到新皮层的特定区域。例如，如图 4.1.1 和图 4.3.1 所示，腹

后外侧核（内侧丘系终止处）中的细胞处理体感信息，它们的轴突投射到初级体感皮层。如图 4.3.1 所示，从视

网膜神经节细胞的投射终止于丘脑的另一部分，称为外侧膝状体核。该核中的神经元依次投射到视觉皮层。丘

脑的其他部分参与运动功能，将信息从小脑和基底神经节传递到额叶的运动区域。自丘脑细胞并投射到新皮层

的轴突在辐射冠中行进，辐射冠是一个大的纤维束，承载了大部分往返于大脑半球的轴突。通过与额叶和海马

体的联系，丘脑可能在记忆等认知功能中发挥作用。一些可能在注意力中起作用的核团广泛地投射到大而明显

不同的皮层区域。

如图 4.3.1 所示，丘脑的细胞核最常见的分为四组：相对于内髓板的前侧、内侧、腹外侧和后侧，一种片状

纤维束，贯穿丘脑的尾部长度。因此，内侧核团位于髓内板的内侧，而腹外侧核和后核核位于其外侧。在丘脑的

嘴极，内髓板分裂并包围前部。丘脑的尾极被后组占据，以枕核为主。纤维内部髓板中也分布着神经元群，它们

统称为内髓板内核。

前侧核群的主要输入来自下丘脑的乳头体核和海马体结构的前下托。前组的功能尚不明确，但由于其连接，

认为它与记忆和情感有关。前组主要与扣带回和额叶皮层区域相互连接。

内侧核群主要由内侧核组成。这个大的丘脑核分为 3 个部分，每个部分都与额叶皮层的特定部分相连。细

胞核接收来自基底神经节、杏仁核和中脑部分的输入，并与记忆和情绪处理有关。

腹外侧核群的命名是根据它们在丘脑内的位置命名的。腹侧前核和腹侧核对运动控制很重要，并将信息从

基底神经节和小脑传递到运动皮层。腹侧后核将体感信息传递给新皮层。如前所述，腹后外侧核传递来自脊髓

束的信息。腹后内侧核传递来自面部的信息，主要通过三叉神经（第 5 对颅神经）进入脑干。

后侧核群包括内侧膝状体核和外侧膝状体核、外侧后核和枕核。内侧膝状体是听觉系统的一个组成部分，根

据其输入携带的声音频率信息按音调组织；它将听觉信息传递到颞上回的初级听觉皮层。外侧膝状体接收来自

4.4 感觉信息处理在大脑皮层达到顶峰

前核

网状核

丘脑腹外侧核：

丘脑枕

1.背外侧

2. 后外侧

3. 腹前侧

4. 腹外侧

腹后内侧

腹后外侧

丘脑后核

内侧核

内侧膝状体核

内髓板

中线核

髓板内核

外侧膝状体核

视觉

皮层

体感皮层

初级

体感皮层

视网膜

背柱核

背根

神经节

丘脑

视网膜

Kandel-Ch04_0073-0096.indd 82 10/12/20 11:41 AM

视觉皮层

图 4.3.1: 丘脑的主要部分。丘脑是感觉信息从外周受体流向新皮层的关键中继站。体感信息从背根神经节传递

到丘脑腹后外侧核，然后从那里传递到初级体感皮层。同样，来自视网膜的视觉信息到达外侧膝状体核，从那里

传递到枕叶的初级视觉皮层。除嗅觉外，每个感觉系统在丘脑的不同区域内都有类似的处理步骤。

视网膜的信息并将其传送到枕叶的初级视觉皮层。与啮齿类动物相比，灵长类大脑中的枕骨不成比例地扩大，尤

其是在人类大脑中，其发育似乎与顶叶、枕叶和颞叶皮层联合区域的扩大并行。它至少被分为 3 个亚区，并与顶

叶、颞叶和枕叶的广泛区域以及与视觉相关的脑干的上丘和其他核团广泛互连。

如前所述，丘脑不仅投射到新皮层（前馈连接），而且还接收来自新皮层的广泛反馈输入（反馈连接）。例

如，在外侧膝状核中，由视觉皮层反馈投射的轴突形成的突触数量实际上超过了外侧膝状体核从视网膜接收到

的突触数量！这种反馈被认为在感觉信息处理中发挥重要的调节作用，尽管其确切功能尚未完全明了。尽管这

种反馈主要来自受两只眼睛激活的皮层神经元，但外侧膝状体核中的神经元仅响应一只眼睛或另一只眼睛。这

意味着它们主要由来自视网膜（来自不同层的不同眼睛）的输入驱动，而不是来自皮层的反馈（尽管它在数量

上有优势）。丘脑的大多数核团都会从大脑皮层接收到同样显著的返回投射，这些投射的意义是神经科学未解之

谜之一。

到目前为止描述的丘脑核团被称为中继（或特定）核团，因为它们与大脑皮层的特定部分有着特定且选择

性的关系。其他称为非特异性核团的丘脑核团，则向多个皮层和皮层下区域投射。这些核位于丘脑的中线（中

线核）或内髓层内（板内核）。最大的中线核是室旁核、脑旁核和连结核；最大的层内细胞群是中央核。椎板内

核投射到内侧颞叶结构（如杏仁核和海马体），但也投射到部分基底神经节。这些核从脊髓、脑干和小脑中的各

种来源接收输入，并被认为可以调节皮层觉醒。

丘脑是感觉处理层次结构中的重要一步，它不是一个信息简单传递给大脑皮层的被动中继站。如图 4.1.1 所

示，它是一个复杂的大脑区域，在这里进行大量信息处理。仅举一个例子，来自腹后外侧核的体感信息的输出

受到 4 种类型的处理：（1）核内的局部处理；（2）脑干输入的调节，例如来自去甲肾上腺素能和 5-羟色氨能系

统；（3）来自网状核的抑制性输入；（4）来自新皮层的调节反馈。

4.4 感觉信息处理在大脑皮层达到顶峰

如图 4.1.1 所示，来自腹后外侧核的体感信息主要传递到初级体感皮层。这里的神经元对皮肤表面的触觉刺

激非常敏感。如图 4.4.1 所示，与触觉感觉处理的早期阶段一样，体感皮层是按体位组织的。

当神经外科医生怀尔德 · 潘菲尔德在 20 世纪 40 年代末和 50 年代初刺激接受脑部手术的患者的体感皮层表

面时，他发现来自下肢的感觉由位于大脑中线附近的神经元介导，而上半身、手和手指、面部、嘴唇和舌头的感

4.4 感觉信息处理在大脑皮层达到顶峰

大拇指

食指

中指

无名指

小指

手

手腕

肘

前臂

臂

肩

头

颈部

臀

腿

躯干

脚

脚趾

外生殖器

A 感觉小矮人 B 运动小矮人

内侧

外侧

鼻子

眼睛

脸

上唇

下唇

eeth, gums, and ja

舌头

咽

腹内

内侧

外侧

膝

臀

躯干

肘

肩

手腕

手

小指

无名指

食指

中指

大拇指

眉

颈

眼睑和眼球

脸

唇

下巴

舌头

吞咽

脚踝

脚趾

[

—

发声

–

—

]

[

咀嚼

]

[

唾液分泌

]

Kandel-Ch04_0073-0096.indd 84 10/12/20 11:41 AM

牙齿、牙龈和下巴

–

图 4.4.1: 小矮人说明了专门用于身体各个部位的感觉和运动神经支配的皮层区域的相对数量。整个身体表面以

皮层中有序的体感输入阵列表示。A. 专门处理身体特定部位感觉信息的皮层区域与身体的质量不成比例身体部

位，而是反映该部位感觉受体的密度。因此，来自嘴唇和手的感觉输入比来自肘部的感觉输入占据更多的皮层

区域。B. 运动皮层的输出以类似的方式组织。专用于身体某个部位的皮层表面的数量与该部位的运动控制程度

有关。因此，在人类中，大部分运动皮层专用于控制手指肌肉和与语言相关的肌肉。

觉则由位于侧面的神经元介导。潘菲尔德发现，虽然身体的所有部分都在皮层体表中表示，但用于每个身体部

位的皮层表面积与其质量不成正比。相反，它与身体部位的辨别精细度成正比，而这又与感觉纤维的神经分布

密度有关（第 19 章）。因此，专用于手指的皮层区域比手臂的皮层区域大。同样，如图 4.4.1 所示，嘴唇和舌头

的表征比面部其余部分占据更多的皮层表面。正如我们将在第 53 章中看到的那样，用于特定身体部位的皮层数

量不是固定的，而是可以根据经验进行修改，正如小提琴演奏家们所看到的那样，用于拨弦的手指的躯体感觉

皮层区域有所扩张。这说明了大脑回路的一个重要方面：它能够响应使用或停用而发生可塑性变化。这些变化

对于各种形式的学习都很重要，包括中风后恢复功能的能力。

大脑皮层最接近表面的区域以层和柱的形式组织，这种排列提高了其计算效率。皮层在进化过程中经历了

显著的扩展。最近的新皮层包括哺乳动物的大部分皮层。在灵长类动物和鲸目动物较大的大脑中，新皮层表面

是一张布满深皱褶的薄片，从而允许在头部适度增大的情况下容纳 3 倍以上的皮层表面积。事实上，大约 2/3 的

新皮层沿着皮层的深层皱纹，称为脑沟。新皮层的其余部分位于薄片的外部褶皱处，称为脑回。新皮层接收来自

丘脑、大脑两侧的其他皮层区域和其他皮层下结构的输入。它的输出被定向到皮层、基底神经节、丘脑、桥脑核

和脊髓的其他区域。

这些复杂的输入-输出关系在皮层神经元的有序分层中得到有效组织；每层包含不同的输入和输出。如图 4.4.2 所

示，新皮层的许多区域，特别是包含 6 层的初级感觉区域，从大脑外表面到白质编号。

第一层（即分子层）由位于更深层的细胞的树突和穿过该层以在皮层的其他区域建立连接的轴突占据。

第二层和第三层主要包含小的金字塔形细胞。第二层（外部颗粒细胞层）是包含小球形神经元的两层之一。

第三层称为外锥体细胞层（内锥体细胞层位于更深层）。位于第三层较深的神经元通常比位于较浅层的神经元

大。如图 4.4.3 所示，第二层和第三层金字塔神经元的轴突局部投射到同一皮层区域内的其他神经元以及其它皮

层区域，从而介导了皮层内的通讯。

第四层包含大量小球形神经元，因此称为内部颗粒细胞层。它是丘脑感觉输入的主要接受者，在初级感觉

区最为突出。例如，作为初级视觉皮层的枕叶皮层区域有一个非常突出的第四层。该区域的第四层因富含神经

元且结构复杂，通常分为 3 个子层。具有突出的第四层的区域称为颗粒状皮层。相比之下，初级运动皮层所在的

中央前回基本上没有第四层，因此是所谓的无颗粒额叶皮层的一部分。如图 4.4.4 所示，这 2 个皮层区域是组织

学切片中最容易识别的区域之一。

4.4 感觉信息处理在大脑皮层达到顶峰

多形

细胞层

白质

分子层

内部

锥体

细胞层

内部

颗粒

细胞层

外部

颗粒

细胞层

外部

锥体

细胞层

第 6 层

第 1 层

第 5 层

第 4层

第 2 层

第 3 层

高尔基染色法软脑膜表面

尼氏染色法

威格特染色法

Kandel-Ch04_0073-0096.indd 85 10/12/20 11:41 AM

图 4.4.2: 新皮层的神经元排列成不同的层次。新皮层的外观取决于用来染色的物质。高尔基染色法（左）揭示了

神经元细胞体、轴突和树突树的一个子集。尼氏染色法（中）显示细胞体和近端树突。威格特染色法（右）揭示

了髓鞘纤维的模式

[21]

。

4.4 感觉信息处理在大脑皮层达到顶峰

III

皮层丘脑

皮层屏状核

一些皮层

一些连合

皮层下

一些皮层

皮层

连合

皮层

Kandel-Ch04_0073-0096.indd 86 10/12/20 11:41 AM

图 4.4.3: 新皮层不同层的神经元投射到大脑的不同部分。对新皮层所有其他部分的投射（即所谓的皮层连接或

联合连接）主要来自第二层神经元和第三层的神经元。对皮层下区域的投射主要来自第五层和第六层

[22]

。

4.4 感觉信息处理在大脑皮层达到顶峰

Chapter 4 / The Neuroanatomical Bases by Which Neural Circuits Mediate Behavior 87

characteristics to distinguish different areas of the neo-

cortex. Based on such cytoarchitectonic differences, in

1909, Brodmann divided the cerebral cortex into 47

regions (Figure 4–11).

Although Brodmann’s demarcation coincides in part

with information on localized functions in the neocortex,

the cytoarchitectonic method alone does not capture the

subtlety or variety of function of all the distinct regions

of the cortex. For example, Brodmann identified five

regions (areas 17–21) as being concerned with visual

function in the monkey. In contrast, modern connectional

neuroanatomy and electrophysiology have identified

more than 35 functionally distinct cortical regions within

the five regions recognized by Brodmann.

Figure 4–11 The extent of each cell layer of the neocortex

varies throughout the cortex. Sensory areas of cortex, such

as the primary visual cortex, tend to have a very prominent

internal granular cell layer (layer IV), the site of sensory input.

Motor areas of cortex, such as the primary motor cortex, have

a very meager layer IV but prominent output layers, such as

layer V. These differences led Korbinian Brodmann and others

working at the turn of the 20th century to divide the cortex

into various cytoarchitectonic regions. Brodmann’s 1909 sub-

division shown here is a classic analysis but was based on

a single human brain. (Reproduced, with permission, from

Martin 2012.)

前额叶

联络皮层

侧视图内侧图

初级

运动皮层

顶叶

联络皮层

初级

视觉皮层

Kandel-Ch04_0073-0096.indd 87 10/12/20 11:41 AM

图 4.4.4: 新皮层每个细胞层的范围在整个皮层各不相同。皮层的感觉区域（例如初级视觉皮层）往往有一个非

常突出的内部颗粒细胞层（第四层），即感觉输入的位置。皮层的运动区域（例如初级运动皮层）有一个非常微

薄的第四层，但有突出的输出层（例如第五层）。这些差异导致布罗德曼和其他人在 20 世纪之交将皮层分为各

种细胞结构区域。这里展示的

布罗德曼

1909

年的细分是经典分析，但基于单个人脑

[1]

。

4.4 感觉信息处理在大脑皮层达到顶峰

第五层（即内锥体细胞层）主要包含金字塔形细胞，这些细胞通常比第三层中的细胞大。如图 4.4.2 所示，该

层中的金字塔神经元产生皮层的主要输出通路，投射到其他皮层区域和皮层下结构。

第六层中的神经元有各种各样的形状，因此这一层称为多形层或多形细胞层。它与构成皮层深层界限的白

质混合，并携带进出皮层区域的轴突。

各个层的厚度及其功能组织的细节在整个皮层中各不相同。大脑皮层的早期研究者科比尼安 · 布罗德曼使

用第四层上下各层的相对突出程度、细胞大小和排列特征来区分新皮层的不同区域。如图 4.4.4 所示，基于这种

细胞结构差异，1909 年，布罗德曼将大脑皮层分为 47 个区域。

尽管布罗德曼的分界部分与新皮层局部功能的信息一致，但仅凭细胞结构方法本身并不能捕捉到所有皮层

独特区域功能的细微差别或多样性。例如，布罗德曼确定了 5 个区域（区域 17-21）与猴子的视觉功能有关。相

比之下，现代连接神经解剖学和电生理学已经在布罗德曼识别的 5 个区域中识别出超过 35 个功能不同的皮层区

域。

在新皮层内，信息通过前馈连接和反馈连接从一个突触中继传递到另一个突触中继。例如，在视觉系统中，

从初级视觉皮层到二级视觉皮层和三级视觉皮层的前馈投射主要起源于第三层，主要终止于目标皮层区域的第

四层。相反，如图 4.4.5 所示，对早期处理阶段的反馈投射源自第五层和第六层的细胞，并终止于第一、二和六

层。

上行下行

多层

表层

（第 1-3 层）

第 4 层

深层（颗粒下层）

（第 5、6 层）

Kandel-Ch04_0073-0096.indd 88 10/12/20 11:41 AM

图 4.4.5: 上行皮层通路和下行皮层通路的区别在于它们在皮层内的起源和终止的组织。上行通路或前馈通路通

常起源于皮层的表层，并总是终止于第四层。下行通路或反馈通路通常起源于深层并终止于第一层和第六层

[23]

。

大脑皮层在功能上被组织成从白质延伸到皮层表面的细胞柱（这种柱状组织在标准组织学制备中并不特别

明显，最初是在电生理学研究中发现的）。每根柱状物的直径约为 1/3 毫米。每个柱中的细胞形成一个具有高度

专业化功能的计算模块。柱内的神经元往往具有非常相似的响应特性，大概是因为它们形成了局部处理网络。用

于特定功能的皮层区域越大，该功能所专用的计算柱的数量就越多（第 23 章）。手指具有高度辨别力的触觉是

大面积皮层中许多专门处理来自手的体感信息的皮层柱的结果。

除了皮层柱的识别之外，早期电生理学研究的第二个主要见解是体感皮层包含的不是一个而是几个身体表

面的体表映射。初级躯体感觉皮层（前顶叶皮层）有 4 张完整的皮肤图，布罗德曼区 3a、3b、1 和 2 各一张。丘

脑并行发送大量深层受体信息（例如，来自肌肉）区域 3a 和它的大部分皮肤信息到区域 3b 和 1。区域 2 接收

来自这些丘脑皮层区域的输入，并且可能负责我们对三维立体物体的综合感知，称为立体视觉。如图 4.4.6 所示，

初级体感皮层中的神经元投射到邻近区域的神经元，而这些神经元又投射到其他邻近的皮层区域。在皮层连接

层次结构的更高层次上，体感信息用于运动控制、手眼协调和与触觉相关的记忆。

参与感觉处理早期阶段的皮层区域主要与单一感觉方式有关。这些区域称为初级感觉或单模态（感觉）关

联区域。如图 4.4.6 所示，来自单模态关联区域的信息会聚在与组合感觉方式有关的皮层多模态关联区域。这些

与海马体重连接的多模态联合区似乎对于 2 个功能尤为重要：（1）产生统一的感知和（2）知觉在记忆中的表征

（我们将在本章结束时再次讨论这个问题）。

4.5 自主运动由皮层和脊髓之间的直接连接介导

Chapter 4 / The Neuroanatomical Bases by Which Neural Circuits Mediate Behavior 89

Figure 4–13 The processing of sensory information in the

cerebral cortex begins with primary sensory areas, continues

in unimodal association areas, and is further elaborated in

multimodal association areas. Sensory systems also com-

municate with portions of the motor cortex. For example, the

primary somatosensory cortex projects to the motor area in the

frontal lobe and to the somatosensory association area in the

parietal cortex. The somatosensory association area, in turn,

projects to higher-order somatosensory association areas and to

the premotor cortex. Information from different sensory systems

converges in the multimodal association areas, which include the

parahippocampal, temporal association, and cingulate cortices.

前顶叶皮层

躯体感觉

皮层

初级躯体感觉皮层单模态联合皮层

运动皮层

前运动皮层

后顶叶皮层;

多模态联合皮层

后顶叶

皮层

颞叶

联合皮层

海马旁回

扣带皮层

Voluntary Movement Is Mediated by Direct

Connections Between the Cortex and Spinal Cord

As we shall see in Chapters 25 and 30, a major func-

tion of the perceptual systems is to provide the sensory

information necessary for the actions mediated by the

motor systems. The primary motor cortex is organized

somatotopically like the somatosensory cortex (Figure

4–8B). Specific regions of the motor cortex influence

the activity of specific muscle groups (Chapter 34).

The axons of neurons in layer V of the primary

motor cortex provide the major output of the neocor-

tex to control movement. Some layer V neurons influ-

ence movement directly through projections in the

corticospinal tract to motor neurons in the ventral horn

of the spinal cord. Others influence motor control by

synapsing onto motor output nuclei in the medulla or

onto striatal neurons in the basal ganglia. The human

corticospinal tract consists of approximately one mil-

lion axons, of which approximately 40% originate in

the motor cortex. These axons descend through the

subcortical white matter, the internal capsule, and the

cerebral peduncle in the midbrain (Figure 4–14). In

the medulla, the fibers form prominent protuberances

on the ventral surface called the medullary pyramids,

and thus the entire projection is sometimes called the

pyramidal tract.

Like the ascending somatosensory system, the

descending corticospinal tract crosses to the opposite

side of the spinal cord. Most of the corticospinal fibers

cross the midline in the medulla at a location known as

the pyramidal decussation. However, approximately

10% of the fibers do not cross until they reach the level

of the spinal cord at which they will terminate. The

corticospinal fibers make monosynaptic connections

with motor neurons, connections that are particularly

important for individuated finger movements. They

also form synapses with both excitatory and inhibitory

interneurons in the spinal cord, connections that are

important for coordinating larger groups of muscles in

behaviors such as reaching and walking.

The motor information carried in the corticospinal

tract is significantly modulated by both sensory infor-

mation and information from other motor regions. A

continuous stream of tactile, visual, and proprioceptive

information is needed to make voluntary movement

both accurate and properly sequenced. In addition,

the output of the motor cortex is under the substantial

influence of other motor regions of the brain, includ-

ing the cerebellum and basal ganglia, structures that

are essential for smoothly executed movements. These

two subcortical regions, which are described in detail

in Chapters 37 and 38, provide feedback essential for

the smooth execution of skilled movements and thus

are also important for the improvement in motor skills

through practice (Figure 4–15).

Modulatory Systems in the Brain Influence

Motivation, Emotion, and Memory

Some areas of the brain are neither purely sensory

nor purely motor, but instead modulate specific sen-

sory or motor functions. Modulatory systems are often

involved in behaviors that respond to a primary need

such as hunger, thirst, or sleep. For example, sensory

Kandel-Ch04_0073-0096.indd 89 10/12/20 11:41 AM

图 4.4.6: 大脑皮层中感觉信息的处理从初级感觉区开始，在单模态联合区继续，并在多模态联合区进一步阐述。

感觉系统还与运动皮层的部分进行通信。例如，初级躯体感觉皮层投射到额叶的运动皮层和顶叶皮层的躯体感

觉联合皮层。反过来，躯体感觉联合皮层投射到高阶躯体感觉联合皮层和前运动皮层。来自不同感觉系统的信

息汇聚在多模态联合区域，其中包括海马旁回、颞叶联合皮层和扣带皮层。

因此，从对皮肤受体的机械压力到朋友握手触摸手指的感觉，体感信息在从背根神经节到大脑的一系列越

来越复杂的回路（网络）中进行处理，从背根神经节到体感皮层，到单模态联合区域，最后到多模态联合区域。

体感信息的主要目的之一是指导定向运动。正如人们想象的那样，皮层的体感和运动功能之间存在着密切的联

系。

4.5 自主运动由皮层和脊髓之间的直接连接介导

正如我们将在第 25 章和第 30 章中看到的那样，感知系统的一个主要功能是为运动系统调节的动作提供必

要的感觉信息。如图 4.4.1B 所示，初级运动皮层的组织结构类似于体感皮层。运动皮层的特定区域影响特定肌

肉群的活动（第 34 章）。

初级运动皮层第五层神经元的轴突提供新皮层的主要输出以控制运动。一些第五层神经元通过皮层脊髓束

投射到脊髓腹角的运动神经元直接影响运动。其他的通过突触到延髓中的运动输出核或基底神经节中的纹状

体神经元上来影响运动控制。人类皮层脊髓束由大约一百万个轴突组成，其中大约 40% 起源于运动皮层。如

图 4.5.1 所示，这些轴突向下穿过皮层下白质、内囊和中脑的大脑脚。在延髓中，纤维在腹面形成突出的突起，称

为延髓锥体，因此整个突起有时称为锥体束。

与上行体感系统一样，下行皮层脊髓束穿过脊髓的另一侧。大部分皮层脊髓纤维在延髓的锥体交叉处跨越

中线。然而，大约 10% 的纤维在到达它们将终止的脊髓水平之前不会交叉。皮层脊髓纤维与运动神经元建立单

突触连接，这种连接对于单独手指运动尤为重要。它们还与脊髓中的兴奋性中间神经元和抑制性中间神经元形

成突触，这些连接对于在伸手和行走等行为中协调较大的肌肉群很重要。

皮层脊髓束中携带的运动信息受到感觉信息和来自其他运动区域信息的显著调节。需要连续不断的触觉、视

觉和本体感受信息流，才能使自主运动既准确又顺序正确。此外，运动皮层的输出受到大脑其他运动区域的重

大影响（包括小脑和基底神经节），这些结构对于顺利执行运动至关重要。如图 4.5.2 所示，这 2 个皮层下区域

在第 37 章和第 38 章中有详细描述，它们提供对熟练动作的顺利执行必不可少的反馈，因此对于通过练习提高

运动技能也很重要。

4.6 大脑中的调节系统影响动机、情绪和记忆

大脑的某些区域既不是纯粹的感觉也不是纯粹的运动，而是调节特定的感觉功能或运动功能。调节系统通常

涉及对饥饿、口渴或睡眠等基本需求做出相应的行为。例如，下丘脑中的感觉和调节系统决定血糖水平（第 41 章）。

当血糖降至某个临界水平以下时，我们就会感到饥饿。为了满足饥饿感，大脑中的调节系统将视觉、听觉和嗅觉

集中在与进食相关的刺激上。

4.6 大脑中的调节系统影响动机、情绪和记忆

90 Part I / Overall Perspective

Figure 4–14 A significant number of fibers in the corticospi-

nal tract originate in the primary motor cortex and termi-

nate in the ventral horn of the spinal cord. The same axons

are, at various points in their projections, part of the internal

capsule, the cerebral peduncle, the medullary pyramid, and the

lateral corticospinal tract.

大脑皮层

下行外侧皮层脊髓通路

内囊

（后肢）

初级

运动皮层

大脑脚

锥体

锥体交叉

外侧柱

外侧中间区

和外侧运动核

皮层脊髓侧束

延髓- 脊髓

交界处

颈脊髓

延髓

脑桥

中脑

Kandel-Ch04_0073-0096.indd 90 10/12/20 11:41 AM

图 4.5.1: 皮层脊髓束中的大量纤维起源于初级运动皮层并终止于脊髓的腹角。相同的轴突在其投射的不同点处

是内囊、大脑脚、延髓锥体和外侧皮层脊髓束的一部分。

4.6 大脑中的调节系统影响动机、情绪和记忆

Chapter 4 / The Neuroanatomical Bases by Which Neural Circuits Mediate Behavior 91

and modulatory systems in the hypothalamus deter-

mine blood glucose levels (Chapter 41). When blood

sugar drops below a certain critical level, we feel hun-

ger. To satisfy hunger, modulatory systems in the brain

focus vision, hearing, and smell on stimuli that are rel-

evant to feeding.

Distinct modulatory systems within the brain stem

modulate attention and arousal (Chapter 40). Small

Figure 4–15 Voluntary movement requires coordination of

all components of the motor system. The principal compo-

nents are the motor cortex, basal ganglia, thalamus, midbrain,

cerebellum, and spinal cord. The principal descending projections

are shown in green; feedback projections and local connections

are shown in purple. All of this processing is incorporated in

the inputs to the motor neurons of the ventral horn of the spinal

cord, the so-called “final common pathway” that innervates

muscle and elicits movements. (This figure is a composite view

made from sections of the brain taken at different angles.)

前运动

皮层

运动

皮层

丘脑

腹外侧核

躯体

感觉皮层

皮层脊髓束

内侧

脑桥核

锥体束

皮层脊髓侧束

脊髓

小脑皮层

小脑

深部核团

红核

基底

神经节

苍白球

中脑

丘脑

壳核

尾状核

Kandel-Ch04_0073-0096.indd 91 10/12/20 11:41 AM

图 4.5.2: 自主运动需要协调运动系统的所有组件。主要成分是运动皮层、基底神经节、丘脑、中脑、小脑和脊髓。

主要下行投射以绿色显示；反馈预测和局部连接以紫色显示。所有这些处理都包含在脊髓腹角运动神经元的输

入中，即所谓的“最终共同通路”，它支配肌肉并引发运动（这张图是从不同角度拍摄的大脑部分合成视图）。

4.7 周围神经系统在解剖学上与中枢神经系统不同

脑干中独特的调节系统调节注意力和唤醒状态（第 40 章）。脑干中的小核含有合成和释放调节性神经递质

去甲肾上腺素（蓝斑）和 5-羟色氨（中缝背核）的神经元。这些神经元通过与前脑结构的广泛联系来设定动物

的一般觉醒水平。一组胆碱能调节神经元（即迈纳特基底核）参与觉醒或注意力（第 40 章）。该核位于端脑基

底前脑部分的基底神经节下方。其神经元的轴突基本上投射到新皮层的所有部分。

如果捕食者发现潜在的猎物，各种皮层和皮层下系统将决定猎物是否可食用。一旦识别出食物，其他皮层

和皮层下系统就会启动一个全面的自主运动程序，使动物与猎物接触、捕获猎物并将其放入口中、咀嚼和吞咽。

最后，动物在进食时体验到的生理满足感强化了导致成功捕食的行为。中脑中的一组多巴胺能神经元对于

监测强化和奖励很重要。多巴胺能调节系统的力量已经通过实验证明，在实验中，将电极植入大鼠的奖励区域，

让动物自由地按下杠杆以电刺激它们的大脑。他们更喜欢这种自我刺激，而不是获取食物或水、进行性行为或

任何其他自然有益的活动。第 38 章描述了多巴胺能调节系统在通过强化探索行为进行学习中的作用。

大脑中涉及奖励、注意力和动机的调节系统如何与感觉和运动系统相互作用，是神经科学中最有趣的问题

之一，也是我们理解学习和记忆储存的基础（第 40 章）。

4.7 周围神经系统在解剖学上与中枢神经系统不同

如图 4.7.1 所示，周围神经系统为中枢神经系统提供有关身体外部环境和内部环境的连续信息流。它具有躯

体神经分支和自主神经分支。

躯体分支包括从皮肤、肌肉和关节接收信息的感觉神经元。这些感觉神经元的细胞体位于背根神经节和颅

神经节中。与这些细胞相关的受体提供有关肌肉和肢体位置以及身体表面触觉和压力的信息。在第四部分（感

知）中，我们将看到这些受体在将一种或另一种物理能量（例如深压力或热量）转换为神经系统使用的电信号

方面是多么的专业化。在第 5 部分（运动）中，我们将看到肌肉和关节中的感觉受体对于塑造身体的连贯运动

至关重要。

周围神经系统的自主神经分支介导内脏感觉以及内脏、血管系统和外分泌腺的运动控制。它由交感神经系

统、副交感神经系统和肠道系统组成。交感神经系统参与身体对压力的反应，而副交感神经系统则起到保护身

体资源和恢复内稳态的作用。肠神经系统的神经元细胞体位于内脏或邻近内脏，控制平滑肌和肠道分泌物的功

能。第 41 章描述了自主神经系统的功能组织，第 42 章描述了它在情绪和动机中的作用。

4.8 记忆是一种复杂的行为，由不同于执行感觉或运动的结构所介导

过去 50 年的研究提供了大脑中记忆系统的复杂视图。我们现在知道不同形式的记忆（例如，恐惧记忆与技

能记忆）由不同的大脑区域调节。在这里，我们对比了负责编码和存储我们对其他个人、地点、事实和事件的体

验的系统组织，这个过程称为外显记忆。

如图 4.8.1 所示，我们知道称为海马体的结构（或更准确地说是海马体结构，因为它包含多个皮层区域）是

内侧颞叶记忆系统的关键组成部分，该系统编码和存储我们生活的记忆。这种理解主要基于对著名患者亨利 · 莫

莱森的分析，他在 1950 年代初进行了双侧颞叶手术以减轻危及生命的癫痫症。与 6 层的新皮层相比，海马体连

同嗅觉皮层（梨状皮层）是一种 3 层皮层结构（称为原皮层），是系统发育较早的皮层区域之一。

我们在本章中简要描述海马体结构的原因是要强调并非所有大脑回路都是相似的。事实上，无论是谈论嗅

觉开始处理的嗅球，还是细化精细运动的小脑，一般原则是回路的结构特定于它所调节的功能。海马体回路与人

们想象的调节感官知觉或运动运动的回路截然不同。大脑的海马体回路将在后面的章节中更详细地讨论。第 5 章

介绍了海马体对动物在其环境中的空间位置信息进行编码以及外显记忆（包括空间记忆）的编码需要突触功能

发生可塑性变化的观点。第 52 章和第 54 章分别探讨了人类记忆功能以及外显记忆和空间表征的细胞和分子基

础。

4.8 记忆是一种复杂的行为，由不同于执行感觉或运动的结构所介导

92 Part I / Overall Perspective

nuclei in the brain stem contain neurons that synthe-

size and release the modulatory neurotransmitter nor-

epinephrine (the locus coeruleus) and serotonin (the

dorsal raphe nucleus). Such neurons set the general

arousal level of an animal through their widespread

connections with forebrain structures. A group of

cholinergic modulatory neurons, the basal nucleus of

Meynert, is involved in arousal or attention (Chapter 40).

This nucleus is located beneath the basal ganglia in the

basal forebrain portion of the telencephalon. The axons

of its neurons project to essentially all portions of the

neocortex.

If a predator finds potential prey, a variety of cor-

tical and subcortical systems determine whether the

prey is edible. Once food is recognized, other cortical

and subcortical systems initiate a comprehensive vol-

untary motor program to bring the animal into contact

with the prey, capture it and place it in the mouth, and

chew and swallow.

Finally, the physiological satisfaction the animal

experiences in eating reinforces the behaviors that led

to the successful predation. A group of dopaminergic

neurons in the midbrain are important for monitoring

reinforcements and rewards. The power of the dopa-

minergic modulatory systems has been demonstrated

by experiments in which electrodes were implanted

into the reward regions of rats and the animals were

freely allowed to press a lever to electrically stimu-

late their brains. They preferred this self-stimulation

to obtaining food or water, engaging in sexual behav-

ior, or any other naturally rewarding activity. The

role of the dopaminergic modulatory system in learn-

ing through reinforcement of exploratory behavior is

described in Chapter 38.

How the brain’s modulatory systems, concerned

with reward, attention and motivation, interact with

the sensory and motor systems is one of the most

interesting questions in neuroscience, one that is also

fundamental to our understanding of learning and

memory storage (Chapter 40).

The Peripheral Nervous System Is

Anatomically Distinct From the Central

Nervous System

The peripheral nervous system supplies the central

nervous system with a continuous stream of infor-

mation about both the external environment and the

internal environment of the body. It has somatic and

autonomic divisions (Figure 4–16).

The somatic division includes the sensory neurons

that receive information from the skin, muscles, and

Figure 4–16 The peripheral nervous system has somatic

and autonomic divisions. The somatic division carries infor-

mation from the skin to the brain and from the brain to mus-

cles. The autonomic division regulates involuntary functions,

including activity of the heart and smooth muscles in the gut

and glands.

周围神经系统

肉体自主

Kandel-Ch04_0073-0096.indd 92 10/12/20 11:41 AM

图 4.7.1: 周围神经系统具有躯体神经和自主神经分支。躯体分支将信息从皮肤传递到大脑，再从大脑传递到肌

肉。自主神经系统调节非自主功能，包括心脏活动以及肠道和腺体中的平滑肌。

4.8 记忆是一种复杂的行为，由不同于执行感觉或运动的结构所介导

Chapter 4 / The Neuroanatomical Bases by Which Neural Circuits Mediate Behavior 93

joints. The cell bodies of these sensory neurons lie in

the dorsal root ganglia and cranial ganglia. Receptors

associated with these cells provide information about

muscle and limb position and about touch and pressure

at the body surface. In Part IV (Perception), we shall

see how remarkably specialized these receptors are in

transducing one or another type of physical energy (eg,

deep pressure or heat) into the electrical signals used

by the nervous system. In Part V (Movement), we shall

see that sensory receptors in the muscles and joints are

crucial to shaping coherent movement of the body.

The autonomic division of the peripheral nervous

system mediates visceral sensation as well as motor

control of the viscera, vascular system, and exocrine

glands. It consists of the sympathetic, parasympathetic,

and enteric systems. The sympathetic system partici-

pates in the body’s response to stress, whereas the para-

sympathetic system acts to conserve body resources and

restore homeostasis. The enteric nervous system, with

neuronal cell bodies located in or adjacent to the viscera,

controls the function of smooth muscle and secretions

of the gut. The functional organization of the autonomic

nervous system is described in Chapter 41 and its role in

emotion and motivation in Chapter 42.

Memory Is a Complex Behavior Mediated by

Structures Distinct From Those That Carry Out

Sensation or Movement

Research over the past 50 years has provided a sophis-

ticated view of memory systems in the brain. We now

know that different forms of memory (eg, fear memory

versus skill memory) are mediated by different brain

regions. Here we contrast the organization of the sys-

tem responsible for coding and storing our experiences

of other individuals, places, facts, and episodes, a pro-

cess called explicit memory.

We know that a structure called the hippocampus

(or more properly the hippocampal formation, since

it is several cortical regions) is a key component of a

medial temporal lobe memory system that encodes

and stores memories of our lives (Figure 4–17). This

understanding is based largely on the analysis of the

Figure 4–17 Coronal section of the human hippocam-

pal formation stained by the Nissl methods to demon-

strate cell bodies. The main cytoarchitectonic fields are

shown in this section of the human hippocampal formation.

(Abbreviations: CA3 and CA1, subdivisions of the hippocampus;

DG, dentate gyrus; EC, entorhinal cortex; F, fimbria;

Sub, subiculum.)

海马伞

海马

下托

内嗅

皮层

阿蒙角3

阿蒙角1

齿状

回

Kandel-Ch04_0073-0096.indd 93 10/12/20 11:41 AM

图 4.8.1: 用尼氏法染色人的海马体形成的冠状切片，以展示细胞体。主要的细胞构造场显示在人类海马体结构

的这一部分中。

4.9 亮点

4.8.1 海马系统与最高层次的多感觉皮层区域相互连接

感觉系统是分层的，并且在更高层次上逐渐处理更复杂的刺激，特别是新皮层。此外，从每个模态的最高层

次来看，该回路与位于皮层周围不同位置的多感觉皮层区域相连，在这些区域，来自许多感觉模态的信息汇聚

到单个神经元上。海马系统接收到的大部分输入（即它用来构建记忆的原材料）来自于少数特定的多感觉区域。

这些区域包括位于内侧颞叶的周边皮层和海马旁皮层，以及位于扣带回后部的后岛叶皮层。如图 4.8.2 所示，这

些多感觉区域汇聚在海马系统的入口结构上，即内嗅皮层。进入内嗅皮层的多感觉信息可以被认为是对即时经

验的总结。

94 Part I / Overall Perspective

famous patient Henry Molaison (referred to as HM by

the scientists who studied him during his life), who in

the early 1950s had bilateral temporal lobe surgery to

reduce his life-threatening epilepsy. In contrast to the

six-layered neocortex, the hippocampus, along with

olfactory cortex (piriform cortex), is a three-layered

cortical structure referred to as archicortex, one of the

phylogenetically older areas of cortex.

The reason we briefly describe the hippocampal

formation in this chapter is to emphasize that not all

brain circuits are alike. In fact, whether one talks about

the olfactory bulb, where the sense of smell begins to be

processed, or the cerebellum, where fine motor move-

ments are refined, the general principle is that the struc-

ture of a circuit is specific to the function that it mediates.

And the hippocampal circuit is as different from the cir-

cuits that mediate sensory perception or motor move-

ment as one could imagine. Hippocampal circuitry of

the brain will be dealt with in much more detail in later

chapters. Chapter 5 introduces the idea that the hip-

pocampus encodes information about an animal’s spa-

tial location in its environment and that the encoding

of explicit memory (including spatial memory) requires

plastic changes in synaptic function. Chapters 52 and 54

explore human memory function and the cellular and

molecular bases of explicit memory and spatial repre-

sentation, respectively.

The Hippocampal System Is Interconnected With

the Highest-Level Polysensory Cortical Regions

Sensory systems are hierarchical and process progres-

sively more complex stimuli at higher levels, particu-

larly of the neocortex. Moreover, from the highest levels

of each modality, circuits connect with polysensory

cortical regions located at various places around the

cortex, where information from many sensory modali-

ties converges onto single neurons. The hippocampal

system receives most of its input, the raw material with

which it makes memories, from a few specific polysen-

sory regions. These include the perirhinal and para-

hippocampal cortices, located in the medial temporal

lobe, as well as the retrosplenial cortex, located in the

caudal portion of the cingulate gyrus. These polysen-

sory regions converge on the entry structure to the hip-

pocampal system, the entorhinal cortex (Figure 4–18).

The polysensory information that enters the entorhinal

cortex can be thought of as providing summaries of

immediate experience.

The Hippocampal Formation Comprises Several

Different but Highly Integrated Circuits

The hippocampal formation is made up of a number of

distinct cortical regions that are simpler in organization

than the neocortex—at least they have fewer layers. The

regions include the dentate gyrus, hippocampus, subicu-

lum, and entorhinal cortex. Each of these regions is made

up of subregions containing many neuronal cell types.

The simplest subregion of the hippocampal formation is

the dentate gyrus, which has a single principal neuron

called the granule cell. The subregions of the hippocam-

pus termed CA1, CA2, and CA3, consist of a single layer

of pyramidal cells whose dendrites extend above and

below the cell body layer and receive inputs from several

regions. The subiculum (divided into subiculum, presub-

iculum and parasubiculum) is another region made up

largely of pyramidal cells. Finally, the most complex part

of the hippocampal formation is the entorhinal cortex,

which has multiple layers but still has an organization

distinctly different from the neocortex. For example, it

lacks a layer IV and has a much more prominent layer II.

Figure 4–18 Hierarchical organization of connections to

the hippocampal formation. The hippocampal formation

receives highly processed sensory information, primarily

through the entorhinal cortex, from multimodal association

regions such as the perirhinal, parahippocampal, and

retrosplenial cortices.

内嗅皮层

鼻周皮层

海马旁皮层

海马体

压后皮层

单模态

联合区

多模态

联合区

海马结构

海马下托

齿状回

Kandel-Ch04_0073-0096.indd 94 10/12/20 11:41 AM

图 4.8.2: 与海马体结构连接的层次组织。海马体结构主要通过内嗅皮层从多模态联合区（例如鼻周皮层、海马

旁皮层和压后皮层）接收高度处理的感觉信息。

4.8.2 海马体结构由几个不同但高度集成的回路组成

海马体结构由许多不同的皮层区域组成，这些区域的组织比新皮层更简单（至少它们的层数更少）。这些区

域包括齿状回、海马体、海马下托和内嗅皮层。每一个区域又包含许多不同类型的神经元细胞群。海马体结构

中最简单的子区域是齿状回，它有一个称为颗粒细胞的主要神经元。海马体的亚区域称为阿蒙角 1、阿蒙角 2 和

阿蒙角 3，由一层锥体细胞组成，其树突延伸至细胞体层的上方和下方，并接收来自多个区域的输入。海马下托

（分为下托、前下托和旁下托）是另一个主要由锥体细胞组成的区域。最后，海马体结构中最复杂的部分是内嗅

皮层，它有多层，但仍然具有与新皮层明显不同的组织。例如，它缺少第四层，而具有更突出的第二层。

4.8.3 海马体结构主要由单向连接组成

在这里，我们描述了海马体结构的基本回路。该回路在第 54 章中有更详细的描述。图 4.8.3 中显示的海马

回路的简化版本强调了它对多模态感觉信息的逐步串行处理，每个海马区域都有助于外显记忆的形成。这种串

行处理意味着对该系统的任何一个组件的损坏都会导致记忆受损。事实上，另一名姓名缩写为 R.B. 的著名患者

确实因缺血发作后阿蒙角 1 区域的细胞丢失而遭受严重的记忆障碍。

事实证明，虽然海马体结构对于我们生活记忆的初始形成至关重要，但这些记忆最终存储在大脑的其他地

方。在像亨利 · 莫莱森这样的患者中，其内嗅皮层和大部分海马系统其余部分被移除后，手术前的记忆大多完好

无损。因此，为了实现我们生活记忆的创造和长期储存，海马体和内嗅皮层必须与大脑皮层中的回路进行交流。

发生这种情况的地点和具体方式仍然是个谜。

4.9 亮点

Chapter 4 / The Neuroanatomical Bases by Which Neural Circuits Mediate Behavior 95

The Hippocampal Formation Is Made Up Mainly of

Unidirectional Connections

Here we describe the fundamental circuitry of the hip-

pocampal formation. The circuitry is described in more

detail in Chapter 54. The simplified version of the hip-

pocampal circuit shown in Figure 4–19 emphasizes

its stepwise serial processing of multimodal sensory

information, with each hippocampal region contribut-

ing to the formation of explicit memories. This serial

processing implies that damage to any one of the com-

ponents of this system would lead to memory impair-

ment. And, in fact, another famous patient, known by

the initials R.B., did suffer profound memory impair-

ment due to loss of cells in the CA1 region after an

ischemic episode.

As it turns out, while the hippocampal formation

is essential for the initial formation of memories of our

lives, these memories are ultimately stored elsewhere in

the brain. In patients such as HM, in whom the entorhi-

nal cortex and much of the rest of the hippocampal sys-

tem was removed, memories prior to the surgery were

largely intact. Thus, to achieve creation and long-term

storage of the memories of our lives, the hippocampus

and entorhinal cortex must communicate with circuits

Figure 4–19 Simplified diagram on internal connections

within the hippocampal formation. The circuit begins from

cells in layer II of the entorhinal cortex to the dentate gyrus,

which then projects to the CA3 region of the hippocampus. The

CA3 portion of the hippocampus projects to CA1, and CA1 then

projects to the subiculum. The hippocampal circuit is closed

when the subiculum projects to the deep layers of the entorhi-

nal cortex. Not shown are the feedback pathways from entorhi-

nal cortex to the same multimodal areas from which it receives

sensory information.

海马结构

阿蒙角1

内嗅

皮层

新皮层

第 2 层

第 3 层

第 5 / 4 层

齿状

回

下托

阿蒙角3

in the cerebral cortex. Where and precisely how that

happens remain a mystery.

Highlights

1. Individual neurons are not able to carry out

behavior. They must be incorporated into circuits

that comprise different types of neurons that are

interconnected by excitatory, inhibitory, and mod-

ulatory connections.

2. Sensory and motor information is processed in the

brain in a variety of discrete brain regions that are

active simultaneously.

3. A functional pathway is formed by the serial con-

nection of identifiable brain regions, and each brain

region’s circuits process more complex or specific

information than the preceding brain region.

4. The sensations of touch and pain are mediated by

pathways that run between different circuits in the

spinal cord, brain stem, thalamus, and neocortex.

5. All sensory and motor systems follow the pat-

tern of hierarchical and reciprocal processing of

information, whereas the hippocampal memory

system is organized largely for serial processing

of very complex, polysensory information. A gen-

eral principle is that circuits in the brain have an

organizational structure that is suited for the func-

tions that they are carrying out.

6. Contrary to an intuitive analysis of our personal

experience, perceptions are not precise copies of

the world around us. Sensation is an abstraction,

not a replication, of reality. The brain’s circuits con-

struct an internal representation of external physi-

cal events after first analyzing various features of

those events. When we hold an object in the hand,

the shape, movement, and texture of the object are

simultaneously analyzed in different brain regions

according to the brain’s own rules, and the results

are integrated in a conscious experience.

7. How sensation is integrated in a conscious

experience—the binding problem—and how con-

scious experience emerges from the brain’s analy-

sis of incoming sensory information are two of the

most intriguing questions in cognitive neurosci-

ence (Chapter 56). An even more complex issue is

how these conscious impressions are encoded into

memories that are stored for decades.

David G. Amaral

Kandel-Ch04_0073-0096.indd 95 10/12/20 11:41 AM

图 4.8.3: 海马体结构内部连接的简化图。该回路从内嗅皮层第二层的细胞开始到齿状回，然后投射到海马体的

阿蒙角 3 区。海马体的阿蒙角 3 部分投射到阿蒙角 1，然后阿蒙角 1 投射到下托。当下托突出到内嗅皮层的深层

时，海马回路关闭。未显示的是从内嗅皮层到它从中接收感觉信息的相同多模态区域的反馈通路。

4.9 亮点

1. 单个神经元无法独立执行行为。它们必须被整合到由不同类型的神经元组成的回路中，这些神经元通过

兴奋性连接、抑制性连接、调节性连接相互连接。

2. 感觉信息和运动信息在大脑中同时活跃的各种不同大脑区域中进行处理。

3. 功能通路由可识别的脑区串联而成，每个脑区的回路比前一个脑区处理更复杂或更具体的信息。

4. 触觉和痛觉由脊髓、脑干、丘脑和新皮层中不同回路之间的通路介导。

5. 所有的感觉系统和运动系统都遵循分层和相互处理信息的模式，而海马体记忆系统主要组织起来进行非

常复杂、多感觉信息的串行处理。大脑中的回路组织结构普遍适合它们执行的功能。

6. 与直观分析个人经验相反，感知并不是周围世界的精确副本。感觉是对现实的抽象，而不是复制。在首

先分析外部物理事件的各种特征之后，大脑的回路构建了外部物理事件的内部表示。当我们手持物体时，物体

的形状、运动和纹理根据大脑自身的规则在不同的大脑区域同时被分析，结果被整合为有意识的体验。

7. 感觉如何整合到有意识的体验中（绑定问题），以及有意识的体验如何从大脑对传入感觉信息的分析中浮

现出来，这是认知神经科学中最有趣的 2 个问题（第 56 章）。一个更复杂的问题是这些有意识印象如何编码成

存储数 10 年的记忆。

第 5 章行为调节神经回路的计算基础

上一章重点介绍了大脑神经解剖学以及大脑不同区域之间的联系。要了解这些连接是如何调节行为，需要

深入了解不同神经元群体活动所代表的信息是如何传递和处理的。这种理解大部分来自对单个神经元产生的微

小电信号的记录。

虽然通过 1 次记录 1 个或几个神经元已经了解了很多东西，但小型化和电子技术的进步现在使得同时记录

多个大脑区域数百个单个神经元的动作电位成为可能，通常是在感觉、运动或认知任务的背景下（文本框 5.1）。

这些进步，加上管理和理解大型数据集的计算方法，有望彻底改变我们对神经功能的理解。

文本框 5.1 (光学神经成像)

♠

光学成像方法是用于大规模监测神经回路动力学的一个快速发展的技术领域。这些方法中的大多数

都使用荧光传感器（合成染料或基因工程和编码的蛋白质），通过激发后发出光的大小或波长的变化来发

出神经活动变化的信号。根据荧光激发的来源，已经开发了各种荧光成像方法，包括单光子、多光子和超

分辨率荧光显微成像。

最常用的荧光指示剂将细胞内钙水平的变化作为神经元电活动的指标。虽然荧光钙成像的时间分辨

率通常低于电生理学的时间分辨率，但具有基因编码钙指示剂的荧光成像能够在几天到几周和几个月内

同时监测行为动物中数千个单独识别的神经元。

除了钙成像外，合成和遗传编码的电活性荧光指示剂（如基因编码的电压指示剂）、神经递质浓度报

告因子（如谷氨酸盐感应荧光受体）、细胞内信号分子的活性状态和基因表达为在多个空间和时间尺度上

监测神经活动提供了快速扩展和通用的技术。

与此同时，基于单个神经元信使核糖核酸测序的现代遗传方法正在揭示促成群体活动的多种细胞类型。基

于遗传的方法还允许在实验期间激活或沉默定义类型的神经元，支持因果关系的测试（文本框 5.1.2）。

文本框 5.2 (神经元活动的光遗传学和化学遗传学操作)

♠

神经回路的功能分析依赖于准确操作已识别的回路元件以阐明其在生理和行为中作用的能力。已经

开发了基因编码的神经扰动工具，用于使用激活工程受体的光（光遗传学）或小分子（化学遗传学）远程

控制神经元功能。

基因编码的外源蛋白可以使用病毒或转基因动物在分子、基因或空间指定的神经元亚群中表达，用

于随后对这些细胞群的选择性扰动。光遗传学方法涉及光敏蛋白的表达和随后的光传递到由此产生的光

敏神经元。根据光遗传学执行器的类型，光激活将分别通过去极化或超极化细胞膜来增强神经活动（例

如，通道视紫红质等光控离子通道）或抑制神经活动（如嗜盐菌视紫红质和古细菌视紫红质的光控离子

泵）。

或者，可以使用化学遗传执行器远程激活或沉默选定的神经元群体，化学遗传执行器是使用遗传方

法靶向定义的神经元群体的基因工程受体；它们可以通过小分子合成配体被激活，该配体在递送时选择

性地与这些受体相互作用（例如设计药物激活的设计受体）。

这些光遗传学和化学遗传学工具对神经元活动提供了精确的时空控制，以探索神经元细胞类型、回

路生理学和行为之间的因果关系。

在光学显微镜和电子显微镜的尺度上，高通量解剖方法正在以前所未有的详细程度和完整性提供有关回路

布线的信息。神经回路的复杂性和从中收集的大量数据集推动了统计、计算和理论方法的发展和应用，用于提

取、分析、建模和解释结果。这些方法用于研究范围广泛的问题：实验设计、从原始数据中提取信号、大型复杂

数据集的分析、模拟数据的模型构建和分析，最后也是最重要的是：从结果中建立某种形式的理解。

信号提取通常基于贝叶斯方法进行，推断出嘈杂记录中最有可能出现的信号。数据分析通常包括减少大型

数据集的维数，不仅仅是为了使其更紧凑，而是为了确定构建数据集的基本组件。

5.1 神经放电模式提供信息编码

神经系统模型的范围从单个神经元的形态学和电生理学的详细模拟到大量神经元的更抽象模型。无论详细

程度如何，模型的目的都是揭示神经元或神经元网络的测量特征如何影响神经元或神经回路的功能。

此外，在最高级别的功能中（例如识别图像、玩游戏或执行人类级别的任务），机器学习的想法正日益影响

神经科学研究。

在本章中，我们将介绍用于描述和解释神经群体和回路活动的思想、技术和方法，并举例说明了大脑研究

的一些领域。本书后面将更详细地讨论其中的许多主题。

5.1 神经放电模式提供信息编码

5.1.1 感觉信息由神经活动编码

动物和人类通过感官不断积累关于世界的信息，根据这些信息做出决定，并在必要时采取行动。为了处理

感官信息以用于决策和行为，必须将其转化为电信号，从而在大脑中产生神经活动模式。研究这种神经表征及

其与外部感觉线索的关系，统称为神经编码，是神经科学研究的一个主要领域。刺激的特征由神经活动表示的

过程称为编码。

神经表征的结构在神经系统如何进一步处理信息方面起着重要作用。例如，视觉信息最初在视网膜中通过

感光器对一小块视野区域的颜色和光强的响应进行编码。然后，这些信息在大脑初级视觉皮层内进行转换，以

定义场景的边缘和形状以及这些特征所在的位置为基础，对视觉场景进行编码。进一步的转换发生在高阶视觉

区域，从场景中提取复杂的形状和进一步的结构，包括物体甚至个人面孔的识别。在大脑的其他区域，听觉编码

反映了声音的频谱，触觉编码在代表身体表面的映射中。神经元对感觉刺激的响应所激发的动作电位序列代表

了这种刺激如何随时间变化。神经编码研究旨在了解驱动神经元做出响应的刺激特征和响应的时间结构及其与

外部世界变化的关系。

5.1.2 可以从神经活动中解码信息

感觉神经元对感觉特征的相应是通过激发动作电位来编码信息。其他大脑区域（例如那些导致决策或产生

运动动作的区域）必须正确解释它们从感觉区域接收到的动作电位序列的含义，以便做出适当的相应。从神经

活动中提取信息的过程称为解码。

神经信号的解码可以由神经科学家在实验和临床环境中完成。例如，这种解码可以从视觉或听觉神经元的

记录中推断出动物或人类正在看到或听到什么。在实践中，只有刺激的某些特征可能被推断出来，但结果仍然

令人印象深刻。大量的解码程序已经开发出来，从简单的神经元放电率加权和到复杂的统计方法。

解码方法是神经假体开发的核心，适用于各种神经系统损伤导致大面积瘫痪的人（第 39 章）。为了实现这

一点，神经元通过植入的电极记录在顶叶皮层或运动皮层中，并使用在线解码程序来解释记录的神经活动所代

表的运动意图。然后使用推断出的意图来控制计算机光标或驱动机器人肢体。

解码记录的神经活动也让我们对神经回路中正在发生的事情有了一个非凡的了解，这反过来又提供了对记

忆存储和检索、规划和决策以及其他认知功能。下一节使用一种特别有趣的神经表征来说明这些见解，即啮齿

动物海马体中空间位置的编码。

5.1.3 可以解码海马体的空间认知映射来推断位置

动物面临的最复杂的认知挑战之一是识别和记住它在环境中相对于其他显著物体位置的位置。例如，贮藏

种子的鸟类可以记住它们在几个月内储存食物的数百个不同地方的位置。前一章简要介绍了与外显记忆形成有

关的神经回路，即对人、地点、事物和事件的记忆。这种形式的记忆需要海马体、内嗅皮层和颞叶中的相关结

构。1971 年，约翰 · 奥基夫发现了海马体中空间环境神经表征的生理学证据。2014 年，他与梅 · 布里特 · 莫泽和

爱德华 · 莫泽一起获得诺贝尔生理学或医学奖，以表彰他们在神经元空间表征方面的发现。

5.2 神经回路基序为信息处理提供了基本逻辑

如图 5.1.1 所示，奥基夫发现大鼠海马体中的单个细胞（称为位置细胞）仅在动物穿过环境的特定区域（称

为细胞位置场）时才会放电。随后的研究发现了其他几种哺乳动物（包括蝙蝠、猴子和人类）海马体中的类位置

细胞活动。不同的位置细胞集由给定环境中的不同位置激活。因此，虽然单个位置细胞代表相对较小的空间区

域，但海马体中完全不同的位置细胞群平铺了整个环境，并且任何给定位置都由独特的细胞群编码。海马位置

编码网络提供了一个认知映射的例子，最初由心理学家爱德华 · 托尔曼假设，它使动物能够成功地记住并在环境

种导航。第 52 章和第 54 章详细探讨了海马体在记忆形成中的作用以及海马体空间映射的编码机制。

1971 年奥基夫的可用的电生理方法仅限于一次记录 1 个位置细胞，但随后的进展允许研究人员同时记录数

10 个，最近达到数百个位置细胞。关键的是，虽然单个位置细胞仅对环境的特定部分进行编码，并且容易在其

位置场之外偶尔发出嘈杂的信号，但整个位置细胞群提供了更完整的空间覆盖和冗余位置编码的可靠性。群体

编码的这些特征为新的强大的计算分析铺平了道路。特别是，可以解码位置细胞群体的活动并估计动物在环境

中的位置。这是通过确定每个细胞的空间选择性并使用该选择性作为模板来解码正在进行的活动来实现的。在

实践中，这种解码通常通过加权每个细胞对动物位置最终估计的贡献来执行，该因素与该细胞的空间编码可靠

性成正比。如图 5.1.1C 所示，使用这种技术和类似技术，人们可以在房间大小的环境中以几厘米的精度逐秒重

建动物的位置。

基于使用空间解码技术的研究，发现海马体功能与空间和陈述性记忆密切相关。如图 5.1.2A 所示，在积极

探索环境期间，海马体活动反映位置编码，但在不动或静止行为期间，海马体进入不同的状态，在该状态下，神

经活动由离散的半同步群体爆发主导，称为尖波涟漪。这些事件被认为由海马体回路在内部产生。

值得注意的是，尖波涟漪在最近学习后的休息期间很突出，例如在探索环境之后，尖波涟漪很突出。对在这

些短尖波涟漪内（50 毫秒到 500 毫秒）活跃的位置细胞活动的空间解码表明，海马体神经元通过最近探索的环

境重演或重放离散轨迹。尽管这些轨迹复制了穿越空间的路径，但重放的活动序列在几个方面与主动探索期间

观察到的不同。

首先，如图 5.1.2B 所示，尖波涟漪内的重放序列被时间压缩，发生速度比探索期间快 10 到 20 倍。其次，它

们可以发生在与行为空间轨迹相同的方向（正向重放）或相反的方向（反向重放）。因此，解码单个探索后的 200

毫秒尖波涟漪重放事件可能会揭示一个虚拟的心理轨迹，该轨迹跨越 2 到 4 秒的行为时间，从它的经历中回放。

重放被认为代表了一种心理排练形式，通过这种形式，某些记忆逐渐得到巩固，因此可能是海马体在记忆中作

用的一个重要方面。

5.2 神经回路基序为信息处理提供了基本逻辑

神经元往往与附近的神经元和远端大脑区域的神经元高度互连。由于许多揭示精细解剖结构的新方法，神

经元连接的知识（称为连接组学）正在迅速扩展。神经元互连的模式有多种。

如图 5.2.1A 所示，从一个区域到另一个区域的连接（例如从丘脑到初级视觉皮层）被称为前馈。前向被定

义为从更外围或主要区域（例如视网膜、丘脑或初级视觉皮层）延伸到具有更复杂响应特性的更高区域，例如

选择性地响应特定目标的视觉区域。在大多数情况下，具有前馈连接的 2 个区域也具有反馈连接。例如，从初级

视觉皮层到丘脑有许多连接。局部连接通常从一个神经元延伸到另一个神经元，最终循环回到原始神经元。这

种构成环形的连接称为循环。许多神经元都参与了所有这些类型的连接（前馈、反馈和循环），但分开考虑这些

不同连接基序的功能含义是有用的。

神经元之间的连接可以是兴奋性的或抑制性的。通常，兴奋性连接会导致神经放电增加，而抑制性连接会

导致神经放电减少。许多神经回路从成百上千个突触中接收到强烈的兴奋驱动。如果不通过抑制来检查，这种

突触兴奋将导致不稳定的神经活动。兴奋和抑制的接近平衡是神经回路的一个共同特征，可以增强它们的计算

能力。然而，如果兴奋和抑制之间的平衡没有得到适当维持，这种微调可能会使回路容易产生癫痫发作活动，就

像在癫痫期间发生的那样。

如图 5.2.1C 所示，在哺乳动物中，视觉信息在一系列通常被近似为具有前馈回路的大脑区域中进行处理。前

馈回路可以以复杂的方式处理信息，例如从复杂的视觉场景中提取和识别目标，但它们不能产生持续的、动态

的活动模式。为此，需要循环回路。

5.2 神经回路基序为信息处理提供了基本逻辑

100 Part I / Overall Perspective

Figure 5–1 Hippocampal place cells and place cell maps.

A.Input–output transformations occur in the trisynaptic

circuitry of the mammalian hippocampus, proceeding

from the dentate gyrus input region, to the CA3 area, and to

the CA1 output region, with principal excitatory neurons (red)

in each region as primary processing units. Activity of

principal cells is modulated by local circuit GABAergic

interneurons (gray).

B.Place cell firing in the hippocampus. The path taken by a rat

is shown in black as it traverses a square arena. Electrodes

were implanted within the hippocampus to record from indi-

vidual cells. Above: A single place cell increases firing (each

action potential represented by a red dot) at discrete locations

in the environment. Below: A color-coded heat map of firing

frequency of the schematic place cell. Lower wavelength colors

(yellow and red) represent higher firing rates on a background

of no activity (dark blue).

C.Color-coded heat maps showing the firing of 25 different

place cells recorded simultaneously in the hippocampal CA1

region as the rat explores a square box.

大脑皮层

阿蒙角

齿状区

阿蒙角

the hippocampus of several other mammalian species,

including bats, monkeys, and humans. Distinct sets of

place cells are activated by distinct locations in a given

environment. Consequently, although individual place

cells represent relatively small spatial areas, the full

diverse population of place cells in the hippocampus

tiles the entire environment, and any given location is

encoded by a unique ensemble of cells. The hippocam-

pal place coding network provides an example of a

cognitive map, initially postulated by the psychologist

Edward Tolman, that enables an animal to successfully

remember and then navigate its environment. The role

of the hippocampus in memory formation and the

mechanisms by which the hippocampal spatial map is

encoded are explored in detail in Chapters 52 and 54.

The electrophysiological methods available to

O’Keefe in 1971 were limited to recording one place

cell at a time, but subsequent advances allowed inves-

tigators to record dozens, and more recently hundreds,

of place cells simultaneously. Critically, while single

place cells encode only specific parts of the environ-

ment and are prone to occasional noisy firing out-

side of their place fields, entire populations of place

cells provide more complete spatial coverage and the

Kandel-Ch05_0097-0110.indd 100 18/01/21 5:22 PM

图 5.1.1: 海马体位置细胞和位置细胞图。A. 输入-输出转换发生在哺乳动物海马体的三突触回路中，从齿状回输

入区到阿蒙角 3 区，再到阿蒙角 1 输出区，每个区域的主要兴奋性神经元（红色）作为主要处理单元。主要细胞

的活动由局部回路γ-氨基丁酸活动的中间神经元（灰色）调节。B. 将细胞放电置于海马体中。老鼠穿过方形场

地时所走的路径以黑色显示。电极被植入海马体内以记录单个细胞。上图：单个位置细胞会增加环境中离散位

置的放电（每个动作电位由 1 个红点表示）。下图：位置细胞激活频率的彩色编码热力图。较低波长的颜色（黄

色和红色）代表在没有活动的背景（深蓝色）下较高的激活率。C. 彩色编码的热力图显示当大鼠探索一个方形

盒子时在海马体阿蒙角 1 区域同时记录的 25 个不同位置细胞的放电。

5.2 神经回路基序为信息处理提供了基本逻辑

Chapter 5 / The Computational Bases of Neural Circuits That Mediate Behavior 101

reliability of redundant place coding. These features of

population coding have paved the way for new and

powerful computational analyses. In particular, it is

possible to decode the activity of populations of place

cells and estimate an animal’s location within an envi-

ronment. This is accomplished by determining each

cell’s spatial selectivity and using this selectivity as a

template to decode ongoing activity. In practice, this

decoding is often performed by weighting each cell’s

contribution to the final estimate of the animal’s posi-

tion by a factor proportional to that cell’s spatial cod-

ing reliability. Using this and similar techniques, one

can reconstruct an animal’s location from second to

second within room-sized environments with a preci-

sion of a few centimeters (Figure 5–1C).

Hippocampal function has been strongly impli-

cated in spatial and declarative memory based on stud-

ies using spatial decoding techniques. During active

exploration of an environment, hippocampal activity

reflects place coding, but during immobile or resting

behavior, the hippocampus enters a different regime

in which neural activity is instead dominated by dis-

crete semi-synchronous population bursts termed

sharp-wave ripples (Figure 5–2A). These events are

thought to be internally generated by circuitry within

the hippocampus.

1,544 1,546 1,548 1,550 1,552 1,554 1,556 1,558

时间（秒）

细胞编号

速度（厘

米每秒）

0 250

时间（毫秒）

0 250

时间（毫秒）

尖波涟漪

θ波

探索不动

尖波

1 赫兹 – 50 赫兹

涟漪

1 赫兹 – 1 万赫兹

左

海马体

右

海马体

1 秒

1 毫伏

100 毫秒

1 毫伏

100 毫秒

0.5 毫伏

Figure 5–2 Hippocampal sharp-wave ripples and sequence

replay.

A.Left: Behavior dependence of hippocampal local field

potential activity (LH and RH, left and right hippocampus).

Theta waves are present during exploration, and large negative

sharp waves during immobility. Right: Sharp waves and ripples

recorded from the hippocampal CA1 region. (Adapted, with per-

mission, from Buzsaki 2015; and reproduced, with permission,

B.Place cell sequences experienced during behavior (middle)

are replayed in both forward (left) and reverse (right) direction

during sharp-wave ripples. The rat moved from left to right on a

familiar track. Spike trains for place fields of 13 CA3 pyramidal

cells while the rat is on the track are shown before (forward

replay; red box), during (middle), and after (reverse replay; blue

box) a single traversal. The CA1 local field potential is shown

on top (black traces), and the animal’s velocity is shown below.

(Adapted, with permission, from Diba and Buzsaki 2007.

Kandel-Ch05_0097-0110.indd 101 18/01/21 5:22 PM

图 5.1.2: 海马体尖波涟漪和序列回放。A. 左图：海马体局部场电位活动的行为依赖性（左海马体和右海马体）。

在探索期间存在 θ 波，在不动期间存在大的负尖波。右图：从海马体阿蒙角 1 区域记录的尖波和涟漪

[24-25]

。B.

在行为（中图）期间经历的位置细胞序列尖波涟漪过程中在前向（左图）和反向（右图）方向上回放。老鼠沿着

熟悉的轨迹从左向右移动。当大鼠在轨迹上时，13 个阿蒙角 3 锥体细胞的位置场的脉冲序列显示在单次遍历之

前（正向重放；红色框）、期间（中）和之后（反向重放；蓝色框）。阿蒙角 1 局部场电位显示在顶部（黑色痕

迹），动物的速度显示在下方

[26]

。

102 Part I / Overall Perspective

Figure 5–3 Four basic neural circuit motifs.

A.A feedforward circuit in which synaptic connections extend

in a single direction from one processing level of neurons to

another.

B.Divergent feedforward connections describe a small num-

ber of presynaptic neurons connecting to a larger number.

Convergent connections describe a large number of presynap-

tic neurons connecting to a smaller number.

C.In a recurrent network, synaptic connections occur in mul-

tiple directions between neurons, forming looping pathways

through the circuit.

Notably, sharp-wave ripples are prominent during

resting periods after recent learning, for example after

exploration of an environment. Spatial decoding of the

activity of place cells active within these short (50 to

500 ms) sharp-wave ripples reveals that hippocam-

pal neurons recapitulate or replay discrete trajectories

through the recently explored environment. Although

these trajectories replicate paths taken through space,

the replayed activity sequences differ from those

observed during active exploration in several ways.

First, replayed sequences within sharp-wave rip-

ples are time compressed, occurring about 10 to 20

times faster than during exploration (Figure 5–2B).

Second, they can occur either in the same direction as

behavioral spatial trajectories (forward replay) or in

the opposite direction (reverse replay). Thus, decoding

a single postexploration, 200-ms, sharp-wave ripple-

replay event may reveal a virtual mental trajectory

spanning 2 to 4 seconds of behavioral time replayed

backward from how it was experienced. Replay is

thought to represent a form of mental rehearsal by

which certain memories are gradually consolidated

and thus may be a crucial aspect of the role of the hip-

pocampus in memory.

Neural Circuit Motifs Provide a Basic Logic for

Information Processing

Neurons tend to be highly interconnected, both with

nearby neurons and with neurons in distal brain areas.

Knowledge of neuronal connections, called connectom-

ics, is expanding rapidly due to a number of new methods

for uncovering fine-scale anatomical structure. Patterns

of neuronal interconnection come in several varieties.

A 前馈 B

发散与汇聚

C 循环

Connections from one area to another, for example

from the thalamus to primary visual cortex, are termed

feedforward (Figure 5–3A). The forward direction is

defined as extending from a more peripheral or pri-

mary area, such as the retina, thalamus, or primary vis-

ual cortex, to a higher area with more complex response

properties, such as the visual areas that respond selec-

tively to particular objects. In most cases, two areas that

have feedforward connections also have feedback con-

nections; for example, there are numerous connections

from primary visual cortex back to the thalamus. Local

connections often extend from one neuron to another,

ultimately looping back onto the original neuron. Such

looping connectivity is called recurrent. Many neurons

are involved in all of these types of connectivity—

feedforward, feedback, and recurrent—but it is useful

to consider the functional implications of these differ-

ent connectivity motifs separately.

Connections between neurons can be either excita-

tory or inhibitory. Normally, excitatory connections

lead to increased neural firing and inhibitory connec-

tions lead to decreased neural firing. Many neural cir-

cuits receive strong excitatory drive from hundreds or

thousands of synapses. If not checked by inhibition,

this synaptic excitation would lead to unstable neural

activity. A near balance of excitation and inhibition is

a common feature of neural circuits that may enhance

their computational capacity. However, this fine tun-

ing may make the circuits prone to generating seizure

activity if the balance between excitation and inhibition

is not properly maintained, as occurs during epilepsy.

In mammals, visual information is processed in

a series of brain areas that are often approximated as

having feedforward circuitry. Feedforward circuits can

process information in sophisticated ways, for example

Kandel-Ch05_0097-0110.indd 102 18/01/21 5:22 PM

图 5.2.1: 4 种基本的神经回路图案。A. 一种前馈回路，其中突触连接在一个方向上从神经元的一个处理级别延

伸到另一个处理级别。B. 发散的前馈连接描述了少量的突触前神经元连接到大量的神经元。汇聚连接描述了连

接到较小数量的大量突触前神经元。C. 在循环网络中，神经元之间的多个方向发生突触连接，形成通过回路的

循环通路。

5.2 神经回路基序为信息处理提供了基本逻辑

如图 5.2.1B 所示，在前馈回路中，可以识别 2 个子主题：发散连接和汇聚连接。在发散连接中，接收给定

类型输入的神经元数量超过提供该输入的神经元数量，因此在突触前输入神经元中编码的信息在突触后输出神

经元中扩展。在汇聚连接中，许多突触前神经元将输入发送到数量较少的突触后神经元。如后所述，发散连接和

汇聚连接的最突出例子由小脑提供。

5.2.1 视觉处理和目标识别取决于前馈表示的层次结构

如图 5.2.2 所示，视觉信息在大量分层排列的大脑区域中进行处理。从视网膜产生的主要感觉输入开始向上

移动，神经元对越来越复杂的视觉特征组合做出响应，最终导致对复杂物体（例如面部）的选择性。大量的研究

致力于识别视觉层次结构所基于的原则。机器视觉中人工神经网络模型的发展已被证明是解决该问题的一个有

指导意义的类比。

Chapter 5 / The Computational Bases of Neural Circuits That Mediate Behavior 103

extracting and identifying objects from a complex vis-

ual scene, but they cannot produce ongoing, dynamic

patterns of activity. For this purpose, recurrent cir-

cuitry is needed (Figure 5–3C).

Within feedforward circuitry, two submotifs can

be identified: divergent and convergent connections

(Figure 5–3B). In divergent connections, the number of

neurons that receive a given type of input exceeds the

number of neurons providing that input, so the infor-

mation encoded in the presynaptic input neurons is

expanded in the postsynaptic output neurons. In con-

vergent connections, many presynaptic neurons send

input to a smaller number of postsynaptic neurons.

The most prominent example of both divergent and

convergent connectivity is provided by the cerebellum,

as discussed later.

Visual Processing and Object Recognition Depend

on a Hierarchy of Feed-Forward Representations

Visual information is processed within a large number

of brain regions arranged hierarchically (Figure 5–4).

Moving up the hierarchy from the primary sensory

input generated by the retina, neurons respond to

increasingly complex combinations of visual features,

culminating in selectivity for complex objects, such as

灵长类视觉系统

四级

视觉

皮层

初级

视觉皮层

下颞

皮层

二级

视觉皮层

视网膜

神经节

细胞

视网膜

神经节细胞

初级

视觉皮层

二级

视觉皮层

四级

视觉皮层

下颞

皮层

行为

外侧

膝状体核

Figure 5–4 Comparison of biological and machine learning

networks. In the visual system, multiple brain regions form

a hierarchy in which neurons in series become progressively

selective to more complex objects. The regions in the primate

visual system pathway represent retinal ganglion cells (RGC),

the lateral geniculate nucleus (LGN) of the thalamus, ventral

stream visual areas (V1, V2, and V4), and the inferotemporal

cortex (IT). The number of neurons per region varies (rep-

resented by the colored dots), but their selectivity steadily

increases. The machine learning network pathway represents

layers of a feedforward network trained to identify objects in

images. Increased selectivity in the different regions of the

machine learning network is indicated by the growing numbers

of stacked sublayers, reflecting selectivity to a richer array of

visual features. The hierarchy of response selectivities recorded

in different visual areas resembles the activities seen in cor-

responding layers of the machine learning network. (Adapted,

with permission, from Schrimpf et al. 2018.)

Kandel-Ch05_0097-0110.indd 103 18/01/21 5:22 PM

机器学习网络

外侧

膝状体核

图 5.2.2: 生物和机器学习网络的比较。在视觉系统中，多个大脑区域形成一个层次结构，在这个层次结构中，神

经元逐渐对更复杂的物体进行选择。灵长类视觉系统通路中的区域代表视网膜神经节细胞、丘脑的外侧膝状体

核、腹侧流视觉区域（初级视觉皮层、二级视觉皮层和四级视觉皮层）和下颞皮层。每个区域的神经元数量各不

相同（由彩色圆点表示），但它们的选择性稳步增加。机器学习网络通路表示经过训练以识别图像中目标的前馈

网络层。越来越多的堆叠子层表明机器学习网络不同区域的选择性增加，反映了对更丰富的视觉特征阵列的选

择性。在不同视觉区域记录的响应选择性的层次结构类似于在机器学习网络的相应层中看到的活动

[27]

。

从视网膜到丘脑，再到初级视觉皮层，再到与认知相关的最高视觉区域下颞皮层中，视觉神经元选择性地

响应视野区域中特定的亮、暗和颜色模式，称为它们的感受野。从视觉处理的最低阶段到最高阶段，神经元的感

5.2 神经回路基序为信息处理提供了基本逻辑

受野越来越大，选择性也越来越高。在每个阶段，具有特定类型选择性的神经元往往倾向于具有覆盖视觉场景

的感受野，为所选特征提供全面覆盖。此外，每个视觉大脑区域中感受野的排列在拓扑上与视网膜上外部世界

图像的布局相匹配，即皮层形成了视野映射。

随着感受野的扩大和选择性的增加，神经响应对所选目标或图案精确位置的依赖程度越来越低，而更多地

取决于其整体特征。一般来说，处于视觉处理较高层次的神经元对视野的较大部分更有选择性地做出响应，并

且较少依赖于位置、大小和方向等特征。这与我们在场景中独立于位置、大小和方向识别目标的能力相关。例

如，在层次结构的最高级，神经元可以选择性地对位于中间的特定面孔做出响应，而与面孔的大小或其角度姿

势（即头部方向）无关。

平铺、增加感受野大小、增加选择性和减少对视图相关因素的依赖的想法是人工机器视觉网络构建的核心。

这样的网络在某些物体识别任务上可以达到人类水平的性能。此外，机器在困难图像上所犯的错误模式在某种

程度上与人类受试者所犯的错误相匹配。如图 5.2.2 所示，非人类灵长类动物也可以在与人类相当的水平上执行

这些任务，而且有趣的是，沿着目标识别通路的不同视觉区域的记录对应于在视觉处理的相似阶段在人工网络

中看到的活动。

5.2.2 小脑中不同的神经元表征为学习提供了基础

我们大脑中最丰富的一类神经元是位于小脑输入阶段的大约 500 亿个颗粒细胞，占大脑所有神经元的一半

以上。如图 5.2.3 所示，小脑是一种对运动协调至关重要的后脑结构，但也涉及自主神经、感觉和认知功能的适

应性调节。小脑回路功能障碍可能导致各种神经系统疾病（包括孤独症）。与大多数大脑神经元接收的数千个输

入相比，每个颗粒细胞仅接收少量输入（平均 4 个）。

104 Part I / Overall Perspective

faces. Considerable research is devoted to identifying

principles upon which the structure of the visual hier-

archy is based. The development of artificial neural

network models in machine vision has proven to be an

instructive analogy for addressing this issue.

From the retina, to the thalamus, to the primary

visual cortex, onto the highest visual areas associated

with cognition in inferotemporal cortex, visual neu-

rons respond selectively to particular patterns of light,

dark, and color in regions of the visual field called their

receptive fields. From the lowest to highest stages of

visual processing, neurons have increasingly larger

receptive fields and higher degrees of selectivity. At

each stage, neurons with a particular type of selectivity

tend to have receptive fields that tile the visual scene,

providing full coverage for the selected feature. More-

over, the arrangement of the receptive fields in each

visual brain area is topographically matched to the

layout of the image of the external world on the retina,

that is, the cortex forms a map of the visual field.

As receptive fields enlarge and selectivity increases,

neural responses depend less on the precise location of

the selected object or pattern and more on its overall

features. In general, neurons in higher stages of visual

processing respond more selectively to a larger portion

of the visual field and depend less on features such

as location, size, and orientation. This correlates with

our ability to recognize objects independent of their

location, size, and orientation in a scene. At the high-

est stages of the hierarchy, neurons can, for example,

respond selectively to particular faces located across

Figure 5–5 The cerebellum receives input from

many regions of the brain and spinal cord.

These inputs, known collectively as mossy fibers,

are recoded in a vast number of granule cells,

an example of divergent connectivity, allowing

for many possible mixtures of the input signals.

Dendrites of Purkinje cells receive convergent

input from hundreds of thousands of granule cells

relayed by their axons, known as parallel fibers.

Parallel fiber to Purkinje cell synapses are modifi-

able, which is believed to be an important mecha-

nism underlying motor and possibly other forms

of learning.

the visual field, independent of the size of the face or

its angular pose (ie, head direction).

The ideas of tiling, increased receptive field size,

increased selectivity, and decreased dependence on

view-dependent factors are central to the construction

of artificial networks for machine vision. Such net-

works can reach human-level performance on some

object recognition tasks. Furthermore, the pattern

of errors that the machines make on difficult images

matches, to some degree, the errors made by human

subjects. Nonhuman primates can also perform these

tasks at levels comparable to humans, and interest-

ingly, recordings from different visual areas along the

object recognition pathway correspond to activity seen

in the artificial networks at similar stages in visual pro-

cessing (Figure 5–4).

Diverse Neuronal Representations in the

Cerebellum Provide a Basis for Learning

The most abundant class of neurons in our brains are the

roughly 50 billion granule cells at the input stage of

the cerebellum, composing more than half of all the neu-

rons in the brain. The cerebellum is a hindbrain struc-

ture vital for motor coordination but also implicated

in the adaptive regulation of autonomic, sensory, and

cognitive functions (Figure 5–5). Malfunction of cerebel-

lar circuits may contribute to various neurological dis-

orders, including autism. In contrast to the thousands

of inputs that most brain neurons receive, each granule

cell receives just a handful of inputs (four on average).

平行

纤维

浦肯野

细胞

颗粒

细胞

苔藓

纤维

输入 1 输入 2 输入 3

Kandel-Ch05_0097-0110.indd 104 18/01/21 5:22 PM

图 5.2.3: 小脑接收来自大脑和脊髓许多区域的输入。这些输入统称为苔藓纤维，在大量颗粒细胞中重新编码，这

是发散连接的一个例子，允许输入信号的许多可能混合。浦肯野细胞的树突接收来自数十万个颗粒细胞的汇聚

输入，这些输入通过其轴突（称为平行纤维）传递。浦肯野细胞突触的平行纤维是可改变的，这被认为是运动和

可能其他形式学习的重要机制。

5.2 神经回路基序为信息处理提供了基本逻辑

最近使用神经解剖学追踪和电生理学记录的实验结果表明，汇聚到单个颗粒细胞上的输入通常来自不同的

大脑区域。因此，单个颗粒细胞的放电可能代表大量刺激或事件组合中的任何一种。例如，细胞可能仅在特定视

觉刺激（例如移动的网球）与特定身体部位的运动（例如手腕的弯曲）结合时才会放电。以这种方式组合不同类

型信息的表示称为混合表示。

小脑颗粒细胞提供了发散前馈连接的一个极端例子，大约 2 亿个输入纤维（称为苔藓纤维）携带的信息混

合并扩展到 500 亿个颗粒细胞上。需要如此大的表示来处理可以组合多个信息通道的许多不同方式。例如，表

示 100 个不同输入通道中 2 个的所有可能组合需要 100 × 99/2，即 4,950 种不同的响应类型。需要所有三元组的

表示将这个数字推高到 15 万以上，并且对于 4 个或更多的组合，这个数字会迅速增加。由于大量可能的组合在

遗传学上很难确定，所以通常认为苔藓纤维与其颗粒细胞目标的分配在很大程度上是随机的。

该分析表明，小脑颗粒细胞的作用是以多种可能的方式组合大量输入通道。显然，这样的表示对于进行推

理和产生依赖于刺激和动作组合同时发生的动作很有用。然而，要发挥作用，必须以某种方式从大量颗粒细胞

中读出这些信息。

小脑细胞的读出是由浦肯野细胞完成的，浦肯野细胞是小脑皮层的输出神经元。与颗粒细胞输入端高度分

散的连接相反，颗粒细胞和浦肯野细胞之间的连接提供了一个极端的汇聚例子。单个浦肯野细胞接收来自超过

10 万个颗粒细胞的输入。大卫 · 马尔和詹姆斯 · 阿尔布斯在 1970 年代提出的小脑功能理论认为：这种融合使浦

肯野细胞能够从颗粒细胞提供的极其丰富的表征中提取有用的信息。通过这样做，浦肯野细胞可能是人类形成

运动技能（如骑自行车或演奏乐器）所需的许多复杂联想的惊人能力的基础。然而，为了在各种条件下提取对

多种目的有用的信息，浦肯野细胞提供的读数必须具有适应性。如后面部分所述，这种适应性是由颗粒细胞和

浦肯野细胞突触之间的突触可塑性提供的。

5.2.3 循环回路是持续活动和整合的基础

神经元天生健忘。瞬态突触输入通常会引起短暂的响应，这种响应会在几十毫秒内衰减。这种衰变的时间

过程由神经元的一种内在特性决定，称为膜时间常数（第 9 章）。那么神经活动模式如何持续足够长的时间以支

持认知操作，例如在几秒钟、几分钟甚至更长时间内完成记忆或决策制定？

例如，试着在一个挤满人大声说话的房间里尝试检测您是否听到一个熟悉的声音。当您聆听时，您可能偶

尔会发现一些类似于您正在寻找的声音，但这本身并不能确定。然而，随着时间的推移，您可能会积累足够的证

据来得出结论。这个证据积累的过程需要整合，这意味着必须维护一个运行总和，并在检测到额外证据时增加。

整合需要计算（加法）和记忆来计算和维护运行总和（第 56 章）。

为了使神经回路进行整合，瞬态输入必须产生即使在输入消失后也能维持在恒定水平的活动。这种持续的

活动提供了对瞬态输入的记忆。如前一段所述，整合的神经回路可用于积累信息，但它们也需要用于非认知任

务，例如保持固定身体姿势所需的恒定肌肉张力。研究得最好的神经整合器之一是允许人类和动物保持眼睛恒

定注视方向的回路，即使在黑暗中也是如此。事实上，可以研究从鱼类到灵长类动物广泛物种的眼球运动，这

极大地促进了研究的进步。此外，动眼神经系统的相对简单性促进了实验研究和理论研究之间富有成效的对话

（动眼神经系统在第 35 章有更详细的描述）。

如图 5.2.4A 所示，动眼神经系统中整合回路的存在最初是由来自神经元记录的一个令人费解的观察结果提

出的。控制眼部肌肉的动眼神经元会瞬时增加动作电位放电以引起眼睛的运动，但也会表现出将眼睛保持在固

定位置所需的持续动作电位放电。例如，当注视保持在中心的左侧时，投射到眼球肌肉的运动神经元的放电频

率高，而当注视保持在中心的右侧时，放电频率低。令人困惑的是，投射到动眼神经元的上丘和脑干中的运动前

神经元仅在眼球运动之前短暂放电。他们没有表现出任何与眼睛位置相关的持续活动。那么这种持续的活动是

如何产生的呢？

一个早期的猜想，现在得到了强有力的支持，即稳定的眼睛位置信号由脑干神经元计算，整合了瞬态眼速

度信号。这些神经元接收速度信息并向维持眼睛位置的动眼神经元提供稳定的输出。猴子某些脑干核团（包括

内侧前庭核和舌下前置核）的损伤或失活导致眼球运动后无法保持稳定的水平眼位，表明神经整合回路位于这

些结构内。人类这些脑干结构的损伤会导致同样的问题，临床上称为凝视诱发性眼震（第 35 章）。

5.2 神经回路基序为信息处理提供了基本逻辑

106 Part I / Overall Perspective

movements of the eye but also exhibit sustained action

potential firing needed to hold the eye in fixed posi-

tion. For example, a motor neuron that projects to an

eye muscle that moves that eye to the left will fire at a

high rate when gaze is maintained left of center and at

a low rate when gaze is maintained right of center. The

puzzle is that the premotor neurons in the superior col-

liculus and brain stem that project to the oculomotor

neurons only fire transiently before eye movements.

They do not show any sustained activity related to eye

position. How then is this sustained activity generated?

An early conjecture, now strongly supported, is

that steady eye position signals are computed by brain

stem neurons that integrate the transient eye velocity

signals. Such neurons receive velocity information and

provide the steady output to the oculomotor neurons

that maintain eye position. Lesions or inactivation of

certain brain stem nuclei in monkeys, including the

medial vestibular nucleus and the nucleus prepositus

hypoglossi, result in a failure to maintain steady hori-

zontal eye position following eye movements, suggest-

ing that the neural integrator circuit lies within these

structures. Damage to these brain stem structures in

humans leads to the same problem, known clinically

as gaze-evoked nystagmus (Chapter 35).

How do neural circuits perform integration? One

possibility is that integration is supported by spe-

cialized intrinsic neuronal properties that effectively

lengthen neuronal membrane time constants, allowing

brief inputs to generate sustained output. A variety of

candidate mechanisms have been described involv-

ing different voltage-activated ion channels. However,

studies using intracellular recordings, which allow

for direct control over the membrane voltage of the

recorded neuron, have shown that sustained position-

related signals persist even when the neuron’s voltage-

activated channels are blocked. A second possibility

is that integration arises from interactions among a

network of synaptically coupled neurons. Intracellular

recordings in goldfish support this idea by showing

that levels of synaptic input vary with eye position.

The question of what types of neural networks are

capable of performing integration has been explored

extensively in theoretical studies. One class of models

that has been considered relies on recurrent connec-

tivity, specifically a population of neurons that excite

each other. A weakly coupled network of this type

responds to an input pulse with activity that rapidly

decays away. Increasing the strength of the recurrent

excitation adds back some of the activity that would

Figure 5–6 Recurrent circuitry and sustained neural activity

are required for maintaining eye position.

A.Above: A saccadic eye movement consists of a rapid move-

ment change in eye velocity to bring a target back to the center

of gaze. This is followed by a sustained change in eye position

to maintain the fovea on the target. The dashed blue line

shows the location of the target, and the gray line shows the

eye movement and subsequent fixation on the target at its new

position. Below: An oculomotor neuron exhibits a brief burst

of activity related to eye velocity along with sustained activity

related to eye position.

B.Recurrent excitation can explain how a brief pulse of input,

such as an eye velocity signal, can lead to a persistent change in

firing rate through a process akin to mathematical integration.

眼睛速度

动眼神经元

眼睛速度

眼睛位置

激活率的

持续变化

自我维持的

循环兴奋

速度

500 毫秒500 毫秒

A B

目标位置

激活率

Kandel-Ch05_0097-0110.indd 106 18/01/21 5:22 PM

图 5.2.4: 维持眼睛位置需要循环回路和持续的神经活动。A. 上图：一个眼跳的眼球运动包括眼球速度的快速运

动变化，以将目标带回凝视中心。随后持续改变眼睛位置以将中央凹保持在目标上。蓝色虚线表示目标位置，灰

色线表示眼球运动和随后在新位置对目标的注视。下图：动眼神经元表现出与眼睛速度相关的短暂活动以及与

眼睛位置相关的持续活动。B. 反复的兴奋可以解释一个短暂的脉冲输入（例如眼速信号），是如何通过类似于数

学积分的过程导致放电率的持续变化。

神经回路如何进行整合？一种可能性是整合得到专门内在神经元特性的支持，这些特性有效地延长了神经

元膜时间常数，允许短暂的输入产生持续的输出。已经描述了涉及不同电压激活离子通道的多种候选机制。然

而，使用允许直接控制记录神经元的膜电压的细胞内记录的研究表明，即使神经元的电压激活通道被阻断，持

续的位置相关信号也会持续存在。第二种可能性是整合源于突触耦合神经元网络之间的相互作用。金鱼的细胞

内记录支持这一观点，显示突触输入水平随着眼睛位置的变化而变化。

什么类型的神经网络能够执行整合的问题已经在理论研究中得到广泛探索。已考虑的一类模型依赖于循环

连接，特别是一群相互激发的神经元。这种类型的弱耦合网络对输入脉冲的响应活动会迅速衰减。增加反复激

发的强度会增加一些原本会衰减的活动，从而延长群体响应的持续时间。如果循环激励增加到由瞬态输入建立

的循环激励精确抵消衰减的程度，则响应可以无限期地持续，这需要微调网络参数。

在一个完美调谐的网络中，一个瞬态输入脉冲会导致激活率发生变化，这种变化在没有进一步输入的情况

下会永远持续下去。等效地，如图 5.2.4B 所示，这样的群体计算它接收到输入的运行整合。如果网络中的瞬态

激励没有得到完美调整，则输入会产生放电速率的变化，并且衰减缓慢。在黑暗中，眼睛位置往往会在大约 20

秒内漂移回中心，这表明神经整合器没有被完美地调整，但当它被调整得足够好时，可以将典型神经元的大约

20 毫秒时间常数延长一个约 1000 的系数。

循环网络模型再现了在生物整合器回路中观察到的一些核心特性这一事实已经启动了更详细和更现实的网

络模型的开发，并通过实验测试了此类模型的预测。这些努力还突出了在神经回路的结构和功能之间建立详细

联系所涉及的挑战。即使在使用各种系统和方法进行了数十年的深入研究之后，关键问题仍然存在。

例如，动眼神经整合器回路通常包含两类相反的神经元，随着眼睛位置在给定方向上的变化，一类神经元

的放电率增加，另一类神经元的放电率降低。这种排列不仅限于动眼神经整合器，而且在涉及决策和工作记忆

的皮层区域也发现了这种排列。模型表明，这些对立群体之间的相互抑制可以在维持活动和融合方面发挥作用。

尽管解剖学研究为这一观点提供了一些支持，但对金鱼的研究表明，即使对立群体之间的联系被移除，整合仍

5.3 学习和记忆取决于突触可塑性

然完好无损。

另一个关键问题涉及调整积分器网络的机制。实验研究表明，整合器网络可以根据经验进行修改。换句话

说，它们是可调的。尽管这种调整可能是通过神经元之间突触连接强度的变化而发生的，但尚未获得直接证据。

简而言之，尽管已经了解了很多关于如何实现整合的知识，但在任何特定实例中实际支持整合的网络架构的细

节仍有待确定。

详细了解我们如何保持眼睛的位置本身就是一个重要的目的，具有临床意义。然而，如前所述，此处找到的

解决方案可能同样适用于认知功能，包括短期记忆和决策制定。大量神经元的光学成像以及对其活动的时间精

确操作和详细的解剖学重建，再加上网络功能的理论模型，可能很快就会提供答案。

5.3 学习和记忆取决于突触可塑性

经验可以改变神经回路以支持记忆和学习（第 3 章）。一般认为，负责学习和记忆的经验依赖性变化主要发

生在突触上。已经确定了多种形式的突触可塑性，其中每一种都可能支持一组不同的功能。

正如可塑性有多种形式一样，学习也有多种形式。可以根据所提供信息的数量和类型来定义不同的学习形

式。在监督学习中，会给出有关执行任务所需行为的明确指示。另一方面，在强化学习中，仅提供正奖励或负惩

罚来指示该任务是否被正确执行。最后，无监督学习根本不涉及任何指导性信息，而是在没有监督的情况下，根

据输入数据的内在结构对其进行组织。在以下部分中，我们将讨论涉及赫布可塑性的无监督学习示例和小脑强

化学习示例（学习和记忆的各种类型及其细胞和回路机制在第 52 至 54 章中有详细描述）。

5.3.1 突触输入的主导模式可以通过赫布可塑性来识别

皮层神经元接收来自数千个其他神经元的突触输入，并将这些信息组合成动作电位模式。每个突触的突触

传输强度决定了来自许多输入的信息如何组合以影响神经元的放电。将所有突触的强度设置为 0，显然会使无信

息的神经元失去功能。同样，将它们设置为非 0 值以提取由随机噪声主导的信号也不会产生有价值的信号。相

反，神经元可以通过提取其输入携带的信息中最有趣的方面来最好地发挥有用的功能。对一种称为赫布可塑性

形式的理论分析表明，这可能以一种无监督的方式发生。

1949 年，唐纳德 · 赫布提出，当给定的神经元突触前输入与足够数量的协同输入合作，导致该神经元激发

动作电位时，突触应该增强。赫布突触可塑性的证据已从许多研究中获得（第 54 章）。就其本身而言，赫布可塑

性会使突触越来越强，因此必须存在某种其他形式的可塑性来防止这种情况发生。这种可塑性的补偿形式被称

为稳态，实验也揭示了这些形式的可塑性。如图 5.3.1 所示，理论分析表明，赫布可塑性和稳态可塑性的组合可

以调整突触，无需任何额外的监督信号，因此它们提取相对于其他组合调制程度最高的神经元输入组合。这是

这些输入携带的最有趣信号的合理候选者，因此，赫布可塑性为神经元提供了一种确定和提取此类信号的方法。

5.3.2 小脑的突触可塑性在运动学习中起着关键作用

尽管缺乏对小脑如何促进复杂人类运动技能的详细了解，但人们对其在简单形式的运动学习中的作用了解

很多。其中研究最透彻的是一种被称为延迟性眨眼条件反射的范例，其中中性感官刺激（例如光或音调）与厌

恶的非条件刺激（例如向眼睛吹气）反复配对。经过几天的此类训练，动物学会闭上眼睛以响应先前光线或音

调的中性刺激（称为条件刺激），以期待非条件刺激（吹气）。眼睑闭合的时间对于条件刺激发作和非条件刺激

之间的延迟具有高度特异性。

如图 5.3.2 所示，眼睑条件反射一直是理解小脑功能的一个非常有用的范例，因为它以一种特别清晰的方式

映射到小脑回路的结构上。有关条件刺激的信息首先由小脑颗粒细胞编码，然后传递给浦肯野细胞。非条件刺

激由一个完全独立的输入通路编码，称为橄榄小脑或攀缘纤维系统。与来自颗粒细胞的数千个输入相反，每个

浦肯野细胞从称为下橄榄的脑干核接收单个强大的攀缘纤维输入。电生理记录显示：向小脑某一特定区域输入

的攀缘纤维表示非条件刺激的发生，即让角膜兴奋的刺激。这一发现之所以成为可能，是因为攀缘纤维在浦肯

野细胞中引起了一种独特的超阈值响应，称为复杂脉冲。

5.3 学习和记忆取决于突触可塑性

108 Part I / Overall Perspective

interesting aspects of the information carried by their

inputs. Theoretical analysis of a form of plasticity

known as Hebbian indicates one way that this could

happen in an unsupervised manner.

In 1949, Donald Hebb proposed that synapses

should strengthen when a given presynaptic input

to a neuron cooperates with a sufficient number of

coactive inputs to cause that neuron to fire an action

potential. Evidence for Hebbian synaptic plasticity

has been obtained from many studies (Chapter 54). By

itself, Hebbian plasticity would keep making synapses

stronger and stronger, so some other form of plastic-

ity must exist to prevent this from happening. Such

compensatory forms of plasticity are called homeo-

static, and experiments have revealed these forms of

plasticity as well. Theoretical analysis indicates that

a combination of Hebbian and homeostatic plasticity

can adjust synapses, without any additional supervi-

sory signal, so that they extract the combination of a

neuron’s inputs that is most highly modulated relative

to other combinations (Figure 5–7). This is a reasona-

ble candidate for the most interesting signal carried by

those inputs, and thus, Hebbian plasticity provides a

way for neurons to determine and extract such signals.

Synaptic Plasticity in the Cerebellum Plays

a Key Role in Motor Learning

Although a detailed understanding of how the cere-

bellum contributes to complex human motor skills is

lacking, a great deal is known about its role in simple

forms of motor learning. Among the most thoroughly

studied is a paradigm known as delay eyeblink condi-

tioning, in which a neutral sensory stimulus such as a

light or a tone is repeatedly paired with an aversive

unconditioned stimulus (US) such as an air puff to the

eye. After several days of such training, animals learn

to close their eye in response to the previously neutral

stimulus (the light or tone), known as the conditioned

stimulus (CS), in anticipation of the US (the air puff).

The timing of the eyelid closure is highly specific to the

delay between the onset of the CS and the US.

Eyelid conditioning has been an extremely use-

ful paradigm for understanding cerebellar function

because it maps onto the structure of cerebellar circuitry

in a particularly clear way (Figure 5–8). Information

about the CS is first encoded by cerebellar granule cells

and then relayed to Purkinje cells. The US is encoded

by a completely separate input pathway, known as the

olivocerebellar or climbing fiber system. In contrast to

the many thousands of inputs from granule cells, each

Purkinje cell receives a single powerful climbing fiber

input from a brain stem nucleus known as the inferior

olive. Electrophysiological recordings revealed that

climbing fiber inputs to one particular region of the

cerebellum signal the occurrence of the US, that is, a

stimulus that is irritating to the cornea. This discov-

ery was made possible by the fact that the climbing

fiber evokes a distinct suprathreshold response in the

Purkinje cell known as a complex spike.

A key to understanding how the cerebellum

mediates learning was the discovery that the com-

plex spike triggers plasticity at synapses between

granule cells and Purkinje cells. Specifically, the co-

occurrence of input from a presynaptic granule cell

and a complex spike in the postsynaptic Purkinje

cell results in a persistent weakening of the granule

cell input, a form of plasticity known as cerebellar

Figure 5–7 Hebbian plasticity can identify relevant input

signals to a neuron. In this example, a neuron receives 100

inputs; firing rates for four of them are shown (left). Each of the

input rates is noisy but contains, within the noise, a sinusoidal

signal. The input rates are multiplied by synaptic strengths

(brown triangles) and then summed to produce the total input

to the neuron (right). Before Hebbian plasticity occurs, the syn-

apses have random weights, resulting in the noisy trace; after

modification, the total input reveals the underlying sinusoidal

signal.

修改后

神经元的单个输入

神经元总输入

修改前

Kandel-Ch05_0097-0110.indd 108 18/01/21 5:22 PM

图 5.3.1: 赫布可塑性可以识别神经元的相关输入信号。在这个例子中，一个神经元接收 100 个输入；显示了其

中 4 个的激活率（左）。每个输入速率都有噪声，但在噪声中包含正弦信号。输入速率乘以突触强度（棕色三角

形），然后求和以产生神经元的总输入（右）。在赫布可塑性发生之前，突触具有随机权重，导致噪声轨迹；修

改后，总输入揭示了潜在的正弦信号。

Chapter 5 / The Computational Bases of Neural Circuits That Mediate Behavior 109

long-term depression (Figure 5–8). Hence, for each

occurrence of the US, the strength of granule–

Purkinje cell synapses active immediately prior to

the US is reduced. This plasticity leads to the grad-

ual emergence of a learned pause in Purkinje cell fir-

ing due to the decrease in granule cell excitation just

before the expected time of arrival of the US.

How does a decrease in Purkinje cell firing lead

to a learned motor response? Purkinje cells are nor-

mally spontaneously active, and they inhibit their

downstream targets. Purkinje cells in regions of the

cerebellum receiving climbing fiber input related to

noxious stimuli to the eye form synapses with neurons

that indirectly activate the muscles that produce eyelid

closure. Hence the learned pause in Purkinje cell fir-

ing causes the eyelid to close at just the right moment

to protect the eye. Appropriate timing of the pause

is thought to be mediated by a diversity of temporal

response patterns in granule cells. Computer simu-

lations have shown that learning of appropriately

timed responses can be explained by plasticity in the

granule–Purkinje cell synapse if individual granule

cells are active at different delays after the CS or exhibit

a variety of distinct, but repeatable, temporal patterns

locked to the CS.

Due to technical challenges, direct evidence

for such temporal representations has not yet been

颗粒细胞激活

攀缘纤维输入

浦肯野细胞响应

行为响应

非条件刺激（吹气）

300 毫秒

条件刺激 (tone)

激活率

300 毫秒

激活率

浦肯野

细胞

攀缘纤维

颗粒细胞

条件刺激

非条件刺激

300 毫秒

眼睑闭合

激活率

Figure 5–8 Hypothetical role of the cerebellum in eyeblink

conditioning. Information about the conditioned stimulus

(CS) and unconditioned stimulus (US) is relayed via mossy and

climbing fiber pathways, respectively. Granule cell synapses

active before presentation of the US are gradually weakened by

long-term depression induced by climbing fiber input. This con-

tributes to a pause in Purkinje cell firing that is precisely timed

to occur just before the US. Since Purkinje cells are inhibi-

tory, this pause excites downstream neurons in the cerebellar

nucleus and red nucleus that drive eyelid closure.

obtained for granule cells in the region of the mam-

malian cerebellum involved in eyeblink conditioning.

However, a diversity of temporal patterns has been

observed in granule cells in a structure analogous to

the cerebellum in fish. More broadly, studies of the

cerebellum, including those of eyeblink conditioning,

provide a concrete illustration of how neural circuits

can mediate learning though trial and error, even for

learning more complex motor skills such as playing

a musical instrument. Purkinje cells integrate a rich

diversity of signals related both to the external world

and internal state of the animal (conveyed by granule

cells), with highly specific information about errors

or unexpected events (conveyed by the climbing fib-

ers). The climbing fiber acts as a teacher, weakening

synapses that were active before, and hence could

have contributed to errors. These changes in synaptic

strength alter the firing patterns of Purkinje cells and,

by virtue of specific wiring patterns, alter behavior

such that errors are gradually reduced.

The cerebellum and cerebral cortex, including

the hippocampal region, are foci of intense experi-

mental and theoretical research on learning and

memory. Technological advances are opening up new

approaches for studying the contributions of synap-

tic actions, individual cells, and circuits to memory-

related phenomena.

Kandel-Ch05_0097-0110.indd 109 18/01/21 5:23 PM

图 5.3.2: 小脑在眨眼条件反射中的假设作用。有关条件刺激和非条件刺激的信息分别通过苔藓纤维和攀缘纤维

通路传递。在非条件刺激呈现之前活跃的颗粒细胞突触被攀缘纤维输入引起的长时程抑制逐渐减弱。这有助于

浦肯野细胞激活的暂停，恰好在非条件刺激之前发生。由于浦肯野细胞是抑制性的，这种暂停会激发小脑核和

红核中的下游神经元，从而驱动眼睑闭合。

5.4 亮点

了解小脑如何调节学习的关键是发现复杂的脉冲触发颗粒细胞和浦肯野细胞之间突触的可塑性。具体来说，

如图 5.3.2 所示，来自突触前颗粒细胞的输入与突触后浦肯野细胞中的复杂脉冲同时出现，导致颗粒细胞输入持

续减弱，这是一种称为小脑长时程抑制的可塑性形式。因此，对于非条件刺激的每次出现，在非条件刺激之前立

即激活的颗粒-浦肯野细胞突触的强度都会降低。由于在非条件刺激预期到达时间之前颗粒细胞兴奋减少，这种

可塑性导致浦肯野细胞放电中逐渐出现学习性暂停。

浦肯野细胞放电的减少如何导致习得性运动响应？浦肯野细胞通常是自发活动的，它们会抑制下游靶点。小

脑区域的浦肯野细胞接收与眼睛有害刺激相关的攀缘纤维输入，与神经元形成突触，间接激活产生眼睑闭合的

肌肉。因此，习得的浦肯野细胞放电暂停导致眼睑在正确的时刻闭合以保护眼睛。适当的暂停时间被认为由颗

粒细胞的时间响应模式多样性介导。计算机仿真表明，如果单个颗粒细胞在条件刺激后的不同延迟处活跃或表

现出锁定到条件刺激的各种不同但可重复的时间模式，则可以通过颗粒-浦肯野细胞突触的可塑性来解释适当定

时响应的学习。

由于技术挑战，对于参与眨眼调节的哺乳动物小脑区域的颗粒细胞，尚未获得此类时间表征的直接证据。然

而，在类似于鱼类小脑的结构中的颗粒细胞中观察到了多种时间模式。更广泛地说，对小脑的研究（包括对眨

眼条件反射的研究）提供了一个具体的例子，说明神经回路如何通过反复试验来调节学习，甚至是学习更复杂

的运动技能（如演奏乐器）。浦肯野细胞整合了与动物的外部世界和内部状态相关的丰富多样的信号（由颗粒细

胞传递），以及关于误差事件或意外事件的高度特异性信息（由攀缘纤维传递）。攀缘纤维起到教师的作用，削

弱了之前活跃的突触，因此可能导致错误。突触强度的这些变化改变了浦肯野细胞的放电模式，并凭借特定的

布线模式改变了行为，从而逐渐减少了错误。

小脑和大脑皮层（包括海马区）是关于学习和记忆的大量实验和理论研究的焦点。技术进步为研究突触动

作、单个细胞和回路对记忆相关现象的贡献开辟了新的途径。

5.4 亮点

1. 神经编码描述了神经元活动如何表示刺激的特征或预期的行为。解码是指解释神经活动来揭示编码信号

的逆过程。神经响应的数学解码可用于解释神经回路执行的计算并驱动假肢装置。

2. 神经回路高度相互关联，但使用了一些基本主题来表征它们的功能和操作模式。前馈回路处理信息以从

感觉流中提取结构和意义。循环回路可以执行时间处理并生成动态活动以驱动运动响应。

3. 大多数神经元接受兴奋性输入和抑制性输入的微调平衡。这种平衡响应感官刺激的微小变化可以唤起动

作电位输出。

4. 神经活动的水平通常必须维持数秒。循环激发网络提供了一种机制来产生神经输出的持久变化。

5. 突触可塑性支持构成学习和记忆基础的神经回路的更持久变化。赫布可塑性可以从一组复杂的输入中提

取有趣的信号，而无需监督（“教师”）。小脑皮层的突触可塑性由一种监督形式的误差信号驱动，并用于调整运

动响应和学习时间关系。

第 6 章成像和行为

为了用生物学术语解释生物体的行为，有必要协调生物学过程的测量（例如，动作电位、血流、神经递质的

释放）与认知和运动输出的测量。然而，将生物学和行为学的测量方法联系起来是具有挑战性的。对非人类动

物进行精确的神经测量和侵入性技术是可能的，但其中许多物种的行为库相对有限。此外，直接测量或侵入性

地操纵健康人类的神经活动要困难得多，健康人类是具有最先进和最多样化行为的物种。因此，现代神经科学

的核心努力一直是开发新方法，以从人脑中获取精确的生物学测量值，并在非人类动物中模拟人类行为。

人类测量生物过程并将其与行为联系起来的主要方法是功能性核磁共振成像。脑电图、正电子发射断层扫

描和近红外光谱等其他测量人脑功能的成像方法各有长处。然而，由于多种原因，功能性核磁共振成像特别适

合研究人类行为的神经基础。首先，它是非侵入性的：它不需要手术、电离辐射或其他破坏性干预。其次，它可

以在短时间内（以秒为单位）测量大脑功能，这使其能够捕捉心理过程和行为的动态方面。第三，它同时测量整

个大脑的活动，为研究多个大脑区域如何相互作用以调节复杂行为的提供了机会。因此，本章的重点是功能性

核磁共振成像。

我们首先解释功能性核磁共振成像实验如何工作的技术细节以及通常如何收集数据。然后我们解释如何分

析功能性核磁共振成像数据以及它们如何提供对人类行为和思想的洞察力。然后，我们将使用来自感知、记忆

和决策领域的示例，对从功能性核磁共振成像中学到的内容进行更概念性的概述。最后，我们考虑功能性核磁

共振成像的优势和局限性，并讨论它可以支持的关于大脑和行为的推断类型。

虽然本章的重点是健康大脑的成像和行为，但功能性核磁共振成像也有可能改变我们诊断和治疗精神和神

经疾病的方式。几乎所有此类疾病（例如，孤独症、精神分裂症、抑郁症、进食障碍）除了特定大脑区域和细胞

类型的破坏之外，还涉及大规模回路动力学的变化。对健康大脑回路如何调节心理过程和行为的基础研究，结

合在临床人群中测量这些相同回路活动的能力，为理解疾病和功能失调行为带来了巨大希望。

6.1 功能性核磁共振成像实验测量神经血管活动

功能性核磁共振成像实验使研究人员能够根据响应神经活动而发生的局部血氧水平变化来追踪大脑功能，

这些变化是对神经活动的反应。与所有形式的核磁共振成像一样，功能性核磁共振成像需要高度专业化的设备

和复杂的计算机程序。在本节中，我们首先考虑如何使用核磁共振成像对大脑结构成像的基本原理，然后解释

功能性核磁共振成像如何将此功能扩展到对大脑活动成像。

每台核磁共振成像机器的核心都是强大的磁铁。磁场强度以特斯拉为单位进行量化，大多数现代核磁共振

成像机器都是 3 特斯拉。使用像 7 特斯拉这样更高的场强会提供了一些优势，包括对皮层进行更高分辨率成像

的可能性。此类机器还没有普及，层特定成像还处于起步阶段，所以我们关注 3 特斯拉机器的能力和配置。

核磁共振成像仪的外部看起来像一条隧道，被称为磁铁的“孔”。受试者躺在床上，头戴头盔状的头部线圈，

接收来自大脑的信号。视觉刺激通常通过头部线圈上的一面镜子观察，镜子与孔后部的屏幕成一定角度。听觉

刺激通过耳机呈现。行为通常根据使用按钮框的手动响应和/或使用眼动仪的眼球运动来衡量。该设备可能限制

了一些实验任务。然而，功能性核磁共振成像在其他方面也很灵活，包括它可以在许多不同类型的受试者身上

进行和重复，而不会造成伤害，从儿童到老人，无论是健康的还是患有疾病的。

功能性核磁共振成像测量什么？如图 6.1.1 所示，我们将依次讨论 2 个基本概念，首先是磁共振，然后是神

经血管耦合。

6.1.1 功能性核磁共振成像取决于磁共振物理学

一般来说，核磁共振成像利用氢原子的磁性，特别是每个原子的质子与强磁场相互作用的方式。氢原子是

人体内质子的主要来源。质子的一个关键特性是它们本质上围绕一个轴旋转。这种自旋给质子提供了角动量和

沿它们自己南北极轴的磁偶极子。在正常情况下，这些偶极子的方向对于不同的质子是随机的。然而，当置于强

6.1 功能性核磁共振成像实验测量神经血管活动

Figure 6–1 How fMRI measures neural activity.

A.Outside of the MRI environment, protons in hydrogen atoms

in the brain spin around axes that point in random directions (1).

When a brain enters the strong magnetic field of the MRI bore,

a subset of these axes aligns with this field, which is known

as longitudinal magnetization (2). These protons can be meas-

ured by transmitting a radiofrequency (RF) pulse that induces

a weaker magnetic field perpendicular to the strong field. This

misaligns the protons with the strong field, which now acts

as a torque, causing the proton spin axes to precess in an

arc on the transverse plane. The frequency of the RF pulse is

chosen to resonate with the precession rate of the protons,

which in turn depends on the strength of the magnetic field (3).

When the RF pulse is stopped, the protons initially continue

to precess synchronously, inducing alternating current at the

same frequency in receiver coils surrounding the head. These

signals can be used to generate an image by applying magnetic

gradients that adjust the field strength in orthogonal directions

across the brain. This results in different resonant frequen-

cies at different points in the brain, allowing the source of the

received signals to be identified. The transverse magnetization

dissipates over time, and signal is lost. This relaxation occurs

as the protons give off thermodynamic energy and their axes

return to the longitudinal direction (T

), and as the protons

become desynchronized in the transverse plane from local

interactions with other atoms and molecules (T

), and because

of inhomogeneities in the magnetic field (T

) (4).

B.Magnetic resonance can be used to estimate neuronal

activity in functional MRI because of the magnetic properties

of blood. When a brain region is in a baseline state, there is a

higher proportion of deoxygenated to oxygenated blood than

when the region is active. Deoxygenated blood interacts with

the magnetic field, causing local inhomogeneities that distort

the rate of precession and disrupt the synchrony of protons

in the transverse plane, leading to more rapid T

decay and

lower BOLD signal (1). Neuronal activity leads to metabolic

demand (2), which in turn results in the delivery of excess

oxygenated blood (3). Oxygenated blood does not interact with

the magnetic field, and so the increased amount in active brain

regions reduces field inhomogeneities. In turn, this reduces the

dephasing of protons precessing in the transverse plane, lead-

ing to slower T

decay and higher BOLD signal (4).

2 神经元活性

3 充氧血供应过剩会降低

脱氧血的比例

4 较少的横向磁化移相会导致 T2* 信号

或血氧水平依赖性对比增加

脱氧血

充氧血

随着局部场

不均匀性的消相

横向弛豫

时间常数

纵向弛豫

时间常量

磁共振

B 功能

性核磁共振成像

1 基准

血流

强磁场

自然状态

进动频率的

射频脉冲

Kandel-Ch06_0111-0128.indd 113 18/01/21 5:24 PM

图 6.1.1: 功能性核磁共振成像如何测量神经活动。A. 在核磁共振环境之外，大脑中氢原子中的质子围绕指向随

机方向的轴旋转（1）。当大脑进入核磁共振成像孔的强磁场时，这些轴的子集与该磁场对齐，这被称为纵向磁

化（2）。这些质子可以通过发射射频脉冲来测量，射频脉冲会感应出垂直于强磁场的较弱磁场。这会使质子与

强场错位，强场现在充当扭矩，导致质子自旋轴在横向平面上以弧形进动。选择射频脉冲的频率以与质子的进

动速率共振，而质子的进动速率又取决于磁场强度（3）。当射频脉冲停止时，质子最初继续同步进动，在头部周

围的接收线圈中感应出相同频率的交流电。这些信号可用于通过应用磁梯度来生成图像，磁梯度可调整整个大

脑正交方向的场强。这会在大脑的不同点产生不同的共振频率，从而可以识别接收信号的来源。横向磁化随时

间消散，信号丢失。这种弛豫发生在质子释放热力学能量并且它们的轴返回纵向方向（T1）时，并且由于质子

在横向平面中由于与其他原子和分子的局部相互作用而变得不同步（T2），并且由于质子中的不均匀性磁场（T2

*）（4）。B. 由于血液的磁性，磁共振可用于估计功能性核磁共振成像中的神经元活动。当大脑区域处于基准状

态时，脱氧血与充氧血的比例高于该区域活跃时的比例。脱氧血与磁场相互作用，导致局部不均匀性，从而扭曲

进动速率并破坏横向平面中质子的同步，导致更快的 T2 * 衰减和更低的血氧水平依赖信号（1）。神经元活动导

致代谢需求（2），进而导致输送过量的氧合血（3）。含氧血液不与磁场相互作用，因此活跃大脑区域的含氧量

增加会减少场的不均匀性。反过来，这减少了质子在横向平面进动的相位差，导致更慢的 T2 * 衰减和更高的血

氧水平依赖信号（4）。

6.1 功能性核磁共振成像实验测量神经血管活动

外部磁场中时，质子的子集（数量与场强成正比）与磁场方向对齐，当位于核磁共振成像孔中时，质子从脚延伸

到头部。

测量质子信号的一个重要步骤是将它们推离这个主磁场。要理解其中的原因，不妨想想一个熟悉的物体，即

陀螺仪。如果一个静止的陀螺仪失去垂直平衡，它就会翻倒。但是，如果在倾斜陀螺仪之前先旋转它，惯性力会

防止它翻倒。围绕自身轴旋转的陀螺仪将开始围绕垂直轴旋转。发生这种进动是因为重力对倾斜的陀螺仪施加

垂直扭矩，将其质心拉下，使其围绕其底部点旋转并在横向平面（从上方看）中划出一个圆圈。相对于强磁场倾

斜的质子也会发生类似的情况：磁场施加扭矩，旋转轴的方向围绕磁场方向进动。进动速度或共振频率由拉莫

尔方程根据场强和每种原子特有的旋磁比确定。对于 3 特斯拉磁体和氢原子，该速度处于射频范围内。

但是，质子是如何从一开始就偏离直线以实现进动的呢？答案取决于同样的扭矩原理。第二个较弱的磁场

在垂直方向（例如，从头部的前部到后部）施加，引入另一种扭矩，将质子拉离与强磁场对齐的方向。这种未对

准通过允许强场充当扭矩而导致围绕强场的方向的进动。更复杂的是，这种进动使质子成为弱磁场的移动目标，

而弱磁场首先需要引起不对准。这个问题的解决方法是利用核磁共振成像仪中的发射线圈产生第二个磁场，交

流电通过线圈产生与质子共振频率相同的射频脉冲。这会产生一个垂直磁场，该磁场会随着进动同步旋转。该

射频脉冲的持续时间与产生质子自旋方向远离强场方向（例如 90°）的指定变化所需的时间一样长。这种变化被

称为翻转角，通常根据能斯特方程选择它来最大化信号。

一旦达到所需的翻转角，射频脉冲就会停止以便测量组织的成分。此时，质子在强磁场周围进动并严重倾

斜到横向平面中。这类似于在桌子上旋转的条形磁铁，北极和南极轮流经过任何给定位置。如果在附近放置一

个线圈，旋转的磁铁会在电线中感应出电流，该电流会随着磁极交替而反转。这就是核磁共振成像仪中的接收

头线圈所测量的：由同步进动的质子感应的交流电（注意：这与前面描述的发射线圈的工作原理相同，只是相

反）。电流量表示进动质子的浓度。

至关重要的是，这些测量信号的频率反映了进动的速度，而进动的速度又取决于组织所经历的磁场强度。这

可用于通过在磁场上施加不同的梯度（想象从较高强度到较低强度的阶梯）来生成三维图像，从而导致拉莫尔

频率在大脑空间内系统地变化。在功能性核磁共振成像期间，在特定方向上应用一个梯度以选择脑组织切片。可

以针对此梯度步骤中的精确场强将射频脉冲调整为共振频率，以便仅激发该切片中的质子。相同的逻辑与正交

方向上的附加梯度一起使用，以在所选切片上施加二维矩阵，矩阵或体素中的每个单位体积具有唯一的频率和

相位。头部线圈接收混合了这些频率的复合信号，但信号可以被分解以识别切片中每个体素处的质子。

进动质子还有另一个有助于核磁共振成像的重要特性：在射频脉冲之后，头部线圈中感应的交流电开始衰

减。衰减有不同的来源。一个来源是进动质子向周围组织释放热力学能量（热量），就像陀螺仪最终会因摩擦而

失去能量并翻倒。当这种情况发生时，质子的自旋方向逐渐放松回到强磁场的方向，导致它们在横向平面内的

进动减少，从而产生更少的信号。这称为纵向弛豫并以时间常数 T1 发生。第二种类型的衰变发生在质子仍在横

向平面内进动时。单个质子被其他原子的可变邻域包围，这些原子带有自己的弱磁场。这会微妙地改变质子所

经历的场强，导致其拉莫尔频率发生不可预测的变化。而在射频脉冲质子同步进动之后，这些局部相互作用会

导致一些质子进动得更快或更慢。由于它们越来越不同步，感应电流交替的可靠性降低，信号丢失。这被称为横

向弛豫并以时间常数 T2 发生。质子的失相也可能是强磁场本身的不均匀性造成的，包括被放置在磁场中的组织

扭曲的方式。来自局部相互作用和场失真的信号衰减具有时间常数 T2 *（发音为“T2-星”）。

这些不同的衰变源很重要，因为 T1 和 T2 时间常数因组织类型而异。因此，核磁共振成像可以利用信号衰

减来识别灰质、白质、脂肪和/或脑脊液。根据核磁共振成像机器上设置的射频脉冲、梯度和其他参数（统称为

脉冲序列）的配置和时间，从不同体素接收的信号可以突出具有不同 T1 值的组织之间的对比度（T1 加权图像)

和/或不同的 T2 值（T2 加权图像）。例如，在 T1 加权图像中，白质比灰质更亮，而 T2 加权图像则相反。

测量脑功能的标准脉冲序列是平面回波成像序列。平面回波成像对功能性核磁共振成像有 2 个理想的特性：

它非常快，允许在不到 100 毫秒的时间内从一个射频脉冲获取整个切片，并且它对 T2 * 敏感，我们稍后将看到，

这就是核磁共振成像测量神经活动的方式。在设计功能性核磁共振成像研究时，需要选择平面回波成像序列的

几个参数，包括在脑体积中获取多少切片（通常为 30-90）；每个体积多少时间（重复时间，通常为 1-2 秒）；使

用何种体素分辨率（每个维度通常为 2-3 毫米）；以及是否使用并行采集（例如，一次采集切片的多个部分和/或

多个切片）。这些选择是相互依存的，需要在速度、精度和信噪比之间进行权衡。

6.2 可以通过多种方式分析功能性核磁共振成像数据

6.1.2 功能性核磁共振成像依赖于神经血管耦合的生物学

我们已经描述了磁共振的一般原理，但是故事的第二部分，神经血管耦合呢？活跃的神经元消耗从血液中的

氧气中获得的能量。因此，当大脑某个区域活跃时，血液中的含氧量会在那一刻下降。为了补充这些代谢资源，

在接下来的几秒钟内流向局部的血液会增加。供应超过需求，因此，与直觉相反，活跃的大脑区域中含氧（相对

于脱氧）血液的比例更高。

要将此与磁共振联系起来，请记住 T2 * 衰变反映了由场不均匀性引起的质子相移。血液具有不同的磁性，

具体取决于氧合作用：脱氧血液与磁场相互作用，因为血红蛋白中的铁是未结合的，而铁与氧结合的含氧血液

则不会。因此，脱氧血液会导致更快的 T2 * 衰减，并降低相对于含氧血液的信号。这种信号差异称为血氧水平

依赖性对比度。综上所述，用平面回波成像序列测量的体素信号增加表明最近的神经元活动，因为伴随这种活

动的局部血液氧相对增加。这种血氧水平依赖反应的时间曲线，称为血液动力学响应函数，看起来像一条长尾

巴的钟形曲线，在局部神经活动后约 4 到 5 秒达到峰值，并在 12 到 15 秒后返回基准。关于功能性核磁共振成

像的物理学和生物学还有更多细节。此外，我们对这一切如何运作的理解仍在不断发展。例如，目前尚不清楚血

氧水平依赖是与单个神经元的放电更紧密地联系在一起，还是与神经群的活动更紧密地联系在一起。同样，可

能难以区分血液氧合作用增加是由局部兴奋或抑制增加引起的。更一般地说，神经血管耦合的机制（大脑如何

知道何时何地输送含氧血液）仍然是个谜，人们越来越关注星形胶质细胞的功能作用。通过测量神经元活动精

确部位的初始耗氧量（“初始下降”），也有可能获得更好的时间和空间分辨率，反映在脱氧血液中立即和局部上

升，而不是延迟和更多弥漫性供氧过剩的血液。然而，即使理解不完全，功能性核磁共振成像也可以作为一种工

具来定位由心理操作引起的人脑神经活动的变化。

6.2 可以通过多种方式分析功能性核磁共振成像数据

在进行功能性核磁共振成像实验时，研究人员将前面描述的神经血管测量与编程到人类受试者执行的计算

机脚本中的认知任务联系起来。该脚本通常会生成一系列运行，这些运行对应于连续的数据收集周期（即，连

续的几个功能性核磁共振成像体积），通常持续 5 到 10 分钟。在每次运行中，通常通过显示视觉刺激或播放听

觉刺激来向受试者展示几个试验。例如，根据任务的不同，受试者可能会被动地观看或倾听刺激物，并就此做

出决定，或将其存储在记忆中。按钮按下或眼球运动反应通常被收集为该试验中认知处理的行为指标。这些试

验通常来自 2 个或多个任务条件，这些条件决定了刺激类型、任务难度或其他实验参数。在基本的减法设计中，

试验分为实验条件和控制条件，它们是相同的，但有一个关键差异，其神经基础正在研究中。试验通常持续 2 到

10 秒，通常由几秒的可变或“抖动”间隔分隔。总之，此类会话通常持续长达 2 小时。

每个功能性核磁共振成像会话都会产生大量原始数据，在大脑中数十万个位置对血氧水平依赖响应进行数

千次采样。这些数据如何转化为关于认知和行为的见解？许多功能性核磁共振成像分析方法都是可能的（文本

框 6.1），但在大多数情况下，如图 6.2.1 所示，它们分为 3 类。我们首先描述所有 3 种类型共有的预处理步骤，

然后解释每个步骤是如何进行的以及它能告诉我们什么。

文本框 6.1 (神经解剖学导航术语)

与许多科学领域相比，大脑成像的基本方法具有显著的标准化。造成这种情况的一个主要原因是，自

世纪

年代中期功能性核磁共振成像问世以来，广泛采用的软件包就已经问世。这些软件包是由研究

小组创建和发布的，在流行之前，大多数都是开源的。

起初，它们包括用于预处理、对齐、分析模型和统计校正的工具。此后，他们引入了研究人员开发的

新工具，包括非线性对齐、场图校正、非参数统计和并行化。

因此，几乎所有的功能性核磁共振成像研究人员都使用一个或多个这样的包，至少在他们的分析管

道中是这样。用于功能性核磁共振成像分析的流行免费软件包包括：AFNI、FSL、SPM。

除了这些专门的软件包，功能磁共振成像越来越多地被从数据科学的更普遍的角度来看待。这有 2 个

原因。首先，功能磁共振成像产生了大量的数据，既包括在每次治疗中，也包括在已经进行的数千项研究

6.2 可以通过多种方式分析功能性核磁共振成像数据

♠

中汇总的数据。因此，理解功能磁共振成像数据可以被认为是一个大数据问题。其次，数据非常复杂和嘈

杂，感兴趣的认知信号很弱，很难找到。这带来了一个数据挖掘挑战，激励了许多计算机科学家。

这一趋势最具体的表现是功能性核磁共振成像分析中机器学习的兴起。与数据科学的其他接触点包

括与流数据的实时分析相关的挑战、网络分析和图论方法的应用、高性能计算集群和云系统的使用，以

及研究人员公开共享数据的日益增长的实践（例如，openneuro）、代码（在GitHub等服务上）和教育材料

（例如，BrainIAK)。因此，脑成像领域将继续受益于计算机科学、工程、应用数学和统计学的进步。

6.2.1 功能性核磁共振成像数据首先需要通过以下预处理步骤准备分析

在分析数据之前，必须为处理做好准备。这是通过一系列称为预处理的步骤完成的。预处理旨在消除数据

中由受试者或核磁共振成像机器引起的已知噪声源。标准实践包括 5 个基本步骤，称为运动校正、切片时间校

正、时间过滤、空间平滑和解剖对齐。

运动校正旨在解决由于受试者头部运动而导致的数据中不可避免的噪声。即使是最好的受试者也会在扫描

过程中将头部移动几毫米，这样横跨三维脑体积的体素就会出现一定程度的错位。可以使用空间插值算法纠正

此移动，该算法在每次运行中排列所有体积。该算法量化扫描期间每个点的移动量，包括 x、y 和 z 维度的平移，

以及围绕这些轴（分别为俯仰、横滚和偏航）的旋转量。这 6 个时间过程稍后可以作为回归器包含在数据分析

中，以进一步消除运动伪影。

采用切片时间校正来处理跨不同切片的样本采集时间的差异。平面回波成像序列按顺序收集构成每个脑容

量的切片，通常以交错顺序进行，以避免相邻切片的污染。因此，同一体积的第一个和最后一个采集切片的时间

存在很大差异，它们分别在时间上更接近于前一个体积和后一个体积，而不是相互之间。可以通过时间插值来

完成对切片时间差异的校正，以估计如果同时获取所有切片时信号会是多少。

时间滤波和空间平滑旨在提高信噪比。时间滤波去除了每个体素中时间过程的组成部分，这些组成部分很

可能是噪声而不是有意义的方差，例如通常由扫描仪漂移引起的非常低的频率（周期大于 100 秒）。空间平滑应

用内核（通常为 4-8 毫米宽）来模糊单个体积，平均掉相邻体素之间的噪声，并提高功能在解剖对齐后跨对象重

叠的几率。

这种解剖对齐是通过将跨运行和受试者的数据注册到标准模板（例如蒙特利尔神经研究所空间或塔莱拉什

空间

）来完成的，通常使用简单的转换（例如，位移、旋转、缩放）。通常，功能性核磁共振成像数据首先与来

自同一主题的结构扫描对齐，然后将此结构扫描与标准模板对齐。

完成这 5 个步骤后，数据就可以进行分析了。

6.2.2 功能性核磁共振成像可用于将认知功能定位到特定的大脑区域

第一种功能性核磁共振成像分析旨在定位大脑中的功能并确定大脑的哪些区域与行为相关。这是基于让受

试者在功能性核磁共振成像期间完成一项任务，然后检查实验不同阶段与大脑不同部位血氧水平依赖活动变化

之间的关系。根据研究人员对实验中不同时间发生情况的了解，可以推断出这些区域的功能。

执行一系列统计分析来量化这种关系并确定其重要性。通常，这使用称为广义线性模型的统计回归方法来

完成。广义线性模型试图将观察到的数据（这里是每个体素中血氧水平依赖活动的时间过程）解释为反映独立

变量（例如，任务条件）和协变量（例如，运动参数）的回归量的线性组合。

模拟任务条件的回归变量可以作为一个假设，假设体素参与该任务操纵的认知功能时应该如何响应。每个

条件的回归量通过在实验时间线中标记该条件的每次试验的开始和持续时间来生成，对应于预期的神经元活动，

然后考虑延迟的血液动力学响应。所有回归量同时适合每个体素中的功能性核磁共振成像活动，结果是每个条

件和体素的参数估计（或 β），反映了有多少体素的时间方差可以通过该条件的平均试验来唯一解释。

为了定位一个功能，需要对比 2 个或多个条件下的 β。最基本的对比形式是从另一个（例如，实验条件）中

减去一个 β（例如，控制条件）。对比度通常是每个受试者运行的平均值，然后进入 t 检验以评估受试者之间的

100

6.2 可以通过多种方式分析功能性核磁共振成像数据

Figure 6–2 Collecting and analyzing fMRI data.

A.An fMRI experiment typically involves subjects performing a

behavioral task while BOLD activity is measured from the brain.

1. The example task consists of two conditions (a, b) that alter-

nate in time, each with two events depicted (black rectangles).

2.The time course of BOLD activity in six example voxels (dif-

ferent colors) from a region of interest (ROI) during the task.

Analysis often focuses on an ROI or other subset of voxels in

the brain to reduce the number of statistical tests performed.

When all voxels in the brain are analyzed, statistical corrections

are applied to reduce the number of false positives. The results

of such analyses are often overlaid on a structural MRI as a

color-coded heat map. The map is the result of extensive pre-

processing and analysis and does not directly reflect neuronal

activity or even blood oxygenation. Rather, voxels are colored

to indicate that they have passed the threshold of being consid-

ered significant in a statistical test.

B.Three analysis approaches are often used in fMRI experiments

such as the one depicted in A.

1. Univariate activation analysis attempts to explain the BOLD

activity of each individual voxel in terms of what happened in the

task. This is accomplished using a statistical model that contains a

regressor for each task condition specifying the predicted hemo-

dynamic response (bell curves) for trial events from that condition

(gray rectangles). The result of fitting the model to BOLD activity

is a beta value for each regressor in every voxel, quantifying the

average response of the voxel to trials of that condition. The beta

values for a voxel can be subtracted to measure whether there

is a greater response in one condition than another. To determine

statistical significance, this difference in activation between condi-

tions in each voxel is compared across subjects.

2.Multivariate pattern analysis considers the pattern of BOLD

activity across voxels. These spatial patterns are extracted for

each trial from a subset of voxels (six depicted) and at a particu-

lar moment in time, often the peak of the predicted hemody-

namic response (color saturation indicates amplitude of BOLD

activity in each voxel on that trial). There are two common ways

of analyzing these patterns. The first (shown) involves calculat-

ing the spatial correlation of patterns from a pair of trials to

explore how similarly voxels responded to the trials. If a brain

region represents different information across conditions, this

pattern similarity should be higher for pairs of trials from the

same versus different conditions. The second type of multi-

variate pattern analysis (not shown) uses a type of machine

learning known as pattern classification. Some of the patterns

and their corresponding condition labels are used to train a clas-

sifier model, assigning weights to voxels based on how useful

they are at distinguishing between conditions. The model is

then tested with other patterns on which it was not trained. If

a brain region represents different information across condi-

tions, the model should be able to correctly guess from which

condition the patterns were extracted. To determine statistical

significance, spatial correlations or classification accuracies in a

region are compared across subjects.

3.Functional connectivity analysis examines how BOLD activity

is correlated between voxels over time. Typically, a seed voxel

or ROI is chosen and its time course (pink curve) is correlated

with the time courses of other voxels (two shown here). This

can be performed while the subject is resting, resulting in a

correlation value for every voxel that can be used to identify

brain networks in a baseline state. Functional connectivity can

also be calculated in different time windows of a task (dashed

lines), resulting in a correlation value for each trial that can be

used to understand the dynamics of these networks. To deter-

mine statistical significance, temporal correlations for each

voxel are compared across subjects between conditions or

against zero.

A 功能性核磁共振成像数据的收集

1 行为任务

2 功能性核磁共振成像

感兴趣区域

体素

血氧水平依赖激活

时间

条件

试验事件

B 功能性核磁共振成像分析的类型

1 单变量激活

时间

回归因子预测的血液动力学响应

2 多变量模式

条件标签

体素之间的

血氧水平依赖

活动模式

空间相关

时间相关

种子体素

其他体素

abab

3 功能连接

时间窗口 a

bab

Kandel-Ch06_0111-0128.indd 117 18/01/21 5:24 PM

图 6.2.1: 收集和分析功能性核磁共振成像数据。A. 功能性核磁共振成像实验通常涉及受试者执行行为任务，同

时从大脑测量血氧水平依赖活动。1. 示例任务包含 2 个在时间上交替出现的条件（a, b），每个条件都描绘了 2

个事件（黑色矩形）。2. 在任务期间，来自感兴趣区域的 6 个示例体素（不同颜色）中血氧水平依赖活动的时间

进程。分析通常侧重于大脑中的感兴趣区域或其他体素子集，以减少执行的统计测试的数量。当分析大脑中的

所有体素时，应用统计校正来减少误报的数量。此类分析的结果通常作为彩色编码的热力图叠加在结构核磁共

振成像上。该图是广泛预处理和分析的结果，并不直接反映神经元活动甚至血液氧合。相反，体素是彩色的，以

表明它们已经超过了在统计测试中被认为是重要的阈值。B. 功能性核磁共振成像实验中经常使用 3 种分析方法，

例如 A 中描述的方法。1. 单变量激活分析试图根据任务中发生的情况来解释每个体素的血氧水平依赖活动。这

是使用统计模型完成的，该模型包含每个任务条件的回归变量，指定从该条件（灰色矩形）开始的试验事件的

预测血液动力学响应（钟形曲线）。将模型拟合到血氧水平依赖活动的结果是每个体素中每个回归量的 β 值，量

化体素对该条件试验的平均响应。可以减去体素的 β 值以衡量在一种情况下是否比另一种情况下有更大的响应。

为了确定统计显著性，比较了受试者之间每个体素中条件之间激活的差异。2. 多变量模式分析考虑了跨体素的

血氧水平依赖活动模式。这些空间模式是为每个试验从体素的一个子集（描绘了 6 个）中提取的，并且在特定时

刻，通常是预测的血液动力学响应的峰值（颜色饱和度表示该试验中每个体素中血氧水平依赖活动的幅度）。有

2 种常见的分析这些模式的方法。第一个（如图所示）涉及计算来自一对试验模式的空间相关性，以探索体素对

试验的反应有何相似之处。如果一个大脑区域代表不同条件下的不同信息，那么对于来自相同条件和不同条件

的成对试验，这种模式相似性应该更高。第二种类型的多元模式分析（未显示）使用一种称为模式分类的机器

学习。一些模式及其相应的条件标签用于训练分类器模型，根据它们在区分条件时的有用程度为体素分配权重。

然后使用未训练的其他模式对该模型进行测试。如果大脑区域代表不同条件下的不同信息，则模型应该能够正

确猜测从哪种条件下提取模式。为了确定统计显著性，一个区域中的空间相关性或分类准确度会在受试者之间

进行比较。3. 功能连通性分析检查血氧水平依赖活动随时间推移在体素之间如何关联。通常，选择种子体素或

感兴趣区域，其时间进程（粉红色曲线）与其他体素的时间进程（此处显示 2 个）相关。这可以在受试者休息时

执行，从而产生每个体素的相关值，可用于识别基准状态下的大脑网络。功能连通性也可以在任务的不同时间

窗口（虚线）中计算，从而为每个试验生成一个相关值，可用于了解这些网络的动态。为了确定统计显著性，将

每个体素的时间相关性在不同条件下跨受试者进行比较，或与 0 进行比较。

101

6.2 可以通过多种方式分析功能性核磁共振成像数据

可靠性。因为统计数据是针对每个体素计算的，所以存在高误报的风险，并且需要对多重比较进行校正（例如，

如果体素与其他重要体素聚集在一起，则通过给予体素更多的信任）。或者可以执行更受约束的分析，重点关注

先验定义的有限数量的感兴趣区域。然后可以对感兴趣区域中的体素取对比度值的平均值以生成区域估计，而

不是检查大脑中的所有体素，从而减少比较次数。

这种一般性的方法通常被描述为测量单变量激活（“单变量”是因为每个体素或区域都是独立处理的），而

“激活”是因为结果是衡量一种情况相对于另一种情况引起的相对活动。这种分析通常用于将认知功能定位到大

脑中的一组体素或区域。

然而，单变量激活不仅用于定位。例如，广义线性模型可以根据实验参数（例如，工作记忆负荷）、行为测

量（例如，响应时间）为回归量中的每个试验分配连续权重而不是分类权重，从而对血氧水平依赖活动进行定

量预测)，或计算模型（例如，强化学习中的预测误差）。生成的 β 反映了体素与感兴趣变量的相关程度。

单变量激活的另一个用途是测量血氧水平依赖活动的变化作为重复刺激的函数。这些研究利用了适应性（或

重复抑制）：刺激选择性神经元对重复刺激和新刺激的响应比新刺激要少。这一事实允许通过进行相关和不相关

刺激按顺序呈现的实验来推断大脑区域的调整。在一些试验中，一个刺激之后是几乎重复的相同刺激，但特征

发生了变化（例如，它的位置或大小）。单变量分析测试这些试验中来自该区域体素的血氧水平依赖活动是否低

于其他试验，其中（1）第一个刺激之后是不相关的第二个刺激，或者（2）改变的刺激之前是不相关的刺激。如

果观察到这样的血氧水平依赖减少，则该区域可以解释为没有根据变化的特征进行调整（例如，该区域可以被

认为是位置或大小不变的）。

6.2.3 功能性核磁共振成像可用于解码大脑中所代表的信息

第二类功能性核磁共振成像分析旨在描述大脑不同区域代表的信息类型以指导行为。这些分析不是独立分

析体素或对感兴趣区域内的体素进行平均，而是检查多个体素上血氧水平依赖活动的空间模式所携带的信息。这

通常称为多元模式分析。根据活动模式的相似性或分类，有 2 种类型的多元模式分析。

基于相似性的多元模式分析试图了解大脑区域中包含或“表示”了哪些信息。这是通过检查该区域在实验

中处理不同条件或刺激的相似程度来实现的。这种相似性是根据感兴趣区域中跨体素的激活模式计算的，定义

为来自广义线性模型的 β 值模式或来自预处理数据的原始血氧水平依赖活动模式。一旦为多个条件或刺激定义

了这些模式，就会计算每对模式的相关性或距离。这会生成感兴趣区域内条件或刺激之间的成对相似性矩阵。使

用此矩阵，可以推断出感兴趣区域对哪些信息最敏感。例如，如果向受试者展示不同物体（例如，香蕉、独木舟、

出租车）的照片，则可以为不同的大脑区域计算由这些物体引起的活动模式之间的距离矩阵。香蕉和独木舟之

间的距离小于它们与出租车之间的距离的感兴趣区域可以解释为表示该区域代表形状（即凹面）；香蕉和出租车

之间距离最短的另一个区域可能代表颜色（即黄色）；或者独木舟和出租车之间距离最短的一个可能被解释为代

表功能（即交通）。

功能磁共振成像的神经相似性也可以与在相同条件或刺激下以其他方式计算的相似性进行比较，包括人类

判断、计算模型或其他物种的神经测量。例如，如果人类受试者根据彼此看起来的相似程度对大量刺激进行评

分，则具有匹配相似结构的大脑区域可被视为该行为的候选来源。这种计算神经和行为相似性矩阵之间或来自

2 个来源的神经相似性矩阵之间的二阶相关性方法称为表征相似性分析。

基于分类器的多元模式分析使用机器学习技术（在第 5 章中讨论）来解码大脑区域中存在的信息。第一步

是在功能性核磁共振成像数据的子集上训练分类器模型，以区分条件或刺激类别与感兴趣区域中跨体素的血氧

水平依赖活动模式。这些模式通常是从个别试验中获得的，每个试验都根据相应试验的条件或刺激进行标记。因

此，该训练集包含每个类别的几个大脑模式示例。分类器训练可以使用许多不同的算法，最常见的 2 种是支持

向量机和正则化逻辑回归。结果通常是每个体素的权重，反映了该体素中的活动如何与其他体素一起对分类做

出贡献。训练后的第二步是测试分类器，方法是检查分类器从功能性核磁共振成像数据的保留和独立子集中解

码模式的能力（例如，来自不同的运行或受试者）。在每个测试试验中，血氧水平依赖活动的模式乘以学习到的

分类器权重并相加以产生关于模式应该如何标记的猜测。分类准确度被量化为这些猜测与正确标签相匹配的比

例。重要的是，这种方法可用于了解不同的大脑区域如何产生行为，例如通过尝试对执行的动作、做出的决定或

102

6.3 功能性核磁共振成像研究带来了基本的见解

检索的记忆进行分类。

6.2.4 功能性核磁共振成像可用于测量大脑网络中的相关活动

第三类功能性核磁共振成像分析试图理解大脑作为网络的组织。了解大脑区域单独做什么并不能完全解释

大脑作为一个整体如何产生行为。了解大脑区域如何相互关联也很重要，也就是说，一个区域的输入从哪里来，

输出到哪里？这需要了解哪些区域相互通信以及它们何时以及如何传输信息。这很难用功能性核磁共振成像明

确确定，但可以通过测量随时间变化的体素或区域之间血氧水平依赖活动的相关性来估计。如果大脑的 2 个部

分有相关的活动，它们可能共享相同的信息或参与相同的过程。这种相关性被解释为功能连接的度量。

使用功能性核磁共振成像研究功能连接的一种方法是测量静息状态下的血氧水平依赖相关性。在受试者静

止不动而不执行任务时对其进行扫描，然后提取来自一个“种子”感兴趣区域的血氧水平依赖活动的时间进程，

并将其与来自其他感兴趣区域或大脑中所有体素的时间进程相关联。或者，可以在没有种子的情况下使用聚类

或成分分析来识别具有相似时间分布的体素集合。以这些方式定义的静息功能连接有助于揭示大脑包含多个大

尺度的区域网络。这些网络中研究最广泛的称为默认模式网络，包括后内侧皮层、外侧顶叶皮层和内侧前额叶

皮层。根据定义，静止连接不能与并发行为相关联。它也不是静态的，因为告诉受试者不要做任何事情并不会限

制他们的想法。然而，通过检查它在疾病或失调中如何出错以及它如何与人之间的认知差异相关，可以间接地

将静息连接与行为联系起来。

如果在任务期间而不是在休息时测量，功能连接可以更直接地将其与行为联系起来。解释区域之间这种相

关性的一个困难是：2 个区域在任务期间可能相关，不是因为它们相互通信，而是因为第三个变量。例如，这些

区域可能独立但同时对同一刺激做出反应。因此，基于任务的功能连接通常是在删除或以其他方式考虑由刺激

引起的血氧水平依赖反应后计算的。这种方法允许通过实验操作功能连接，并在不同任务条件下进行比较。这

些比较提供了对网络中大脑区域的参与和交互如何动态变化以支持不同行为的见解。这已被证明有助于理解注

意力、动机和记忆等认知功能，这些功能取决于某些大脑区域对其他区域的调节。

功能连接也可以被视为一种模式（相关性而非活动）并提交给多元模式分析。相关模式比活动模式规模更

大：如果活动模式中有 n 个体素，则相关模式中大约有 n

个体素对。因此，使用图论总结相关模式的属性可能

会有所帮助，其中单个体素或区域被视为图中的节点，这些节点之间的功能连接决定了边缘强度。

6.3 功能性核磁共振成像研究带来了基本的见解

功能性核磁共振成像改变了我们对人类行为的基本神经生物学构建模块的理解。将认知心理学的实验操作

和计算模型与精确的神经生物学测量相结合，扩展了现有的大脑和大脑理论，并激发了新的想法。功能性核磁

共振成像的发现不仅影响了我们对被认为是人类特有行为的理解，还影响了长期以来在动物身上研究的行为。

在本节中，我们回顾了这一进展的 3 个例子。面部感知研究揭示了人类核磁共振成像研究如何启发了动物

研究。记忆研究说明了功能性核磁共振成像如何挑战认知心理学和系统神经科学的理论。决策研究展示了动物

研究和计算模型如何推动功能性核磁共振成像研究。

6.3.1 人类的功能性核磁共振成像研究启发了动物的神经生理学研究

在过去的 20 年里，我们对大脑如何感知面孔的理解有了长足的发展（第 24 章）。下面描述的进展提供了一

个例子，说明人类功能性核磁共振成像的发现如何激发了对非人类灵长类动物进行神经元记录和因果干预的后

续研究。这种跨物种和跨技术的协同作用使人们对面孔识别的基本过程有了更全面的了解。

某些类别的刺激比其他类别的刺激对生存更重要。大脑是否有专门的机制来处理这种刺激？人脸是一个明

显的例子。功能性核磁共振成像的发展与仔细和系统的实验设计相结合，导致了对人脑中面部处理方式和位置

的重要见解。梭状回中的一个区域，通常被称为梭状回面孔区，被发现在人类观察面部时表现出强烈和选择性

的血氧水平依赖活动。

103

6.3 功能性核磁共振成像研究带来了基本的见解

导致这一发现的早期功能性核磁共振成像研究依赖于简单的设计，在这些设计中，受试者被呈现了一系列

不同类型的视觉刺激。为了测量大脑区域的面部选择性，将对面部的血氧水平依赖反应与对其他类别（例如，地

点、物体）的血氧水平依赖反应进行比较。外侧梭状回的一个区域（最可靠地位于右半球）被面部强烈激活。这

些发现与早期对非人类灵长类动物中对面部有反应的单个神经元的发现相吻合，但激发了新一轮的动物研究浪

潮，以检查更大规模的大脑区域网络。这些较新的动物研究借鉴了人类研究的实验设计，首先使用功能性核磁

共振成像寻找梭状回面孔区的同源物。然后用神经元记录和刺激侵入性地探测由此产生的面部识别块。这揭示

了对灵长类动物面部处理的分布式神经回路的洞察。

除了选择性地响应面部刺激之外，梭状回面孔区是否有助于面部识别行为？这个问题已经通过使用已知会

影响面部识别的刺激变化（例如，呈现倒置的面部或呈现面部的一部分）来解决。最初的功能性核磁共振成像

研究使用刺激类别（倒置与直立的面部）的简单比较产生了微弱和混合的结果。后续研究使用适应设计来确定

当面部重复完整或改变时，血氧水平依赖活动如何变化。研究结果表明，梭状回面孔区代表完整的面孔与以破

坏行为识别的方式重新配置相同的视觉特征时不同。

检查一个区域的行为意义的另一种方法是研究有行为缺陷的患者。在这种情况下，面部识别障碍被称为面

容失认症。令人惊讶的是：一些功能性核磁共振成像研究在这些患者中发现了完整的梭状回，这让人怀疑它对

面部感知的必要性。然而，这里也使用适应设计的后续研究证明了信息：当重复相同的面孔时，面容失认症的其

他完整的梭状回不适应。这表明梭状回在面容失认症患者中的反应不同，与其对面部识别的重要性一致。

视觉类别或更普遍的心理过程可以映射到像梭状回这样的一个或少数几个区域，这一发现对于思考思维与

大脑之间的关系非常重要。特定功能是局部化的还是广泛分布的一直是整个神经科学史上关于大脑组织的核心

问题（第 1 章）。梭状回面孔区和面部识别块系统的发现提供了定位的新证据，并鼓励研究人员追寻其他复杂认

知功能可能定位于特定大脑区域或小型节点集的假设，但也质疑定位是否正确思考大脑的组织方式。例如，进

一步的研究表明，人脸在视觉皮层上产生广泛分布的反应，梭状回可以被用来识别我们拥有专业知识的其他种

类的物体。这些争论反映了这项原创作品的变革性质，既适用于人脑研究，也适用于动物模型中的相关问题。

6.3.2 功能性核磁共振成像研究挑战了认知心理学和系统神经科学的理论

许多认知心理学的理论模型最初对大脑是不可知论的。然而，现在有几个功能性核磁共振成像发现的例子

改变了我们对认知的组织和机制的理解。

一个突出的例子是对记忆的研究。从 19 世纪开始，记忆研究的总体目标是了解记忆是如何创建、检索和使

用的，以及这些过程是否因记忆类型而异。一项重要发现来自对患者亨利 · 莫莱森的研究。认识到海马体受损会

导致丧失形成新自传式记忆的能力，但不会影响学习某些技能的能力（第 52 章）。这些发现导致了这样的想法，

即记忆可以分为两大类，有意识的和无意识的（也称为陈述性与程序性，或显性与隐性）。在定位的传统中，这

些和其他类型的记忆被映射到不同的大脑区域，基于患者大脑中受损的位置以及他们表现出的行为症状。

后来对健康人脑的功能性核磁共振成像研究有助于揭示这种二分法过于简单化了。首先，一些使用后来被

称为后续记忆任务的研究表明，海马体以外的区域与陈述性记忆的成功形成有关。在此类研究中，受试者在扫

描时会收到一系列刺激（图片或文字）。之后，通常在核磁共振仪之外，测试他们对这些刺激的记忆。刺激最初

被编码时的血氧水平依赖反应然后根据它随后是被记住还是被遗忘来排序。将这些条件进行对比以揭示在成功

的记忆形成过程中哪些大脑区域表现出更多（或更少）的活动。除了在海马体和周围的内侧颞叶中发现这种差

异外，前额叶和顶叶皮层中的血氧水平依赖活动也可以预测后期记忆。通过测量健康个体的整个大脑，功能性

核磁共振成像揭示了陈述性记忆由不止一个大脑系统提供，与前额叶皮层（例如，语义阐述）和顶叶皮层（例

如，选择性注意）相关的过程也参与编码。

功能性核磁共振成像研究以另一种方式挑战了传统的记忆组织分类学。功能性核磁共振成像显示，以前假

设不涉及海马体（或陈述性记忆）的范围广泛的任务实际上确实始终与该区域有关。这些研究通常使用通常被

认为是无意识的学习任务，在这些任务中，受试者有机会学习但从未被要求报告他们的记忆，并且在某些情况

下，如果提示则无法这样做。例如，在概率分类任务中，受试者通过反复试验学习将视觉提示分类，即使线索和

类别之间的关系有时不可靠。估计此类学习试验期间的血氧水平依赖活动，并将其与不涉及试错学习的基准任

104

6.4 功能性核磁共振成像研究需要仔细解读

务（例如，研究线索及其提供的类别）进行比较。这种比较通常揭示了纹状体的激活，但也可靠地揭示了海马体

的激活（见第 52 章）。

总之，功能性核磁共振成像研究被认为依赖于陈述性记忆的任务通常会募集海马体以外的区域，而被认为

依赖于程序性记忆的任务可以募集海马体。在这 2 种情况下，这些发现都是偶然的，并且之所以成为可能，只是

因为数据是通过功能性核磁共振成像从整个大脑中获得的。尽管这些开始时是意想不到的结果，但它们导致了

系统的后续研究，更新了我们对记忆组织的理解。主要是，他们对最初强调的“意识觉知”作为海马体处理的决

定性特征提出了质疑。这反过来又有助于将人类研究的结果与动物研究的结果联系起来，在动物研究中，有意

识记忆的概念不太重要，而海马体参与的任务通常涉及空间导航。因此，功能性核磁共振成像在人类身上的发

现已经改变了我们对记忆理论模型的理解，包括神经结构和认知行为。

6.3.3 功能性核磁共振成像研究检验了动物研究和计算模型的预测

计算模型与功能性核磁共振成像的集成一直是认知神经科学的重要发展。这方面的一个例子来自对大脑如

何学习预测和获得奖励的研究，以及将这一过程形式化的强化学习模型。这些模型与基于奖励的动物决策研究

共同进化，这也启发了后来的人类研究。

这些研究和理论的核心是：中脑多巴胺能神经元会增加它们的放电以响应意想不到的奖励，例如果汁（第 43 章）。

一旦预测性线索与奖励可靠地配对，神经元就会及时将它们的反应转移到这个预测性线索上。如果预测的奖励

没有发生，则激活会减少。这种反应模式表明中脑多巴胺能神经元发出预期奖励与实际奖励之间差异的信号。这

种差异通常被称为奖励预测误差，并且已使用基于强化学习理论的方程式进行建模。当该模型应用于涉及奖励

的人工任务时，可以在逐个试验的基础上估计假设的奖励预测误差。然后，这些估计可用于预测血氧水平依赖

活动并识别可能参与人脑强化学习的体素和区域。

在此类典型研究中，受试者在功能性核磁共振成像期间执行学习任务，做出一系列关于视觉提示的选择以

预测可能的奖励。他们在每次选择后立即了解结果。例如，受试者可能会看到 2 种形状（例如，圆形、三角形），

通过按下按钮选择一种形状，然后了解该选择是否会带来金钱奖励。此类任务的关键特征是形状和奖励之间的

关联是概率性的，并且会在实验过程中发生变化。由于这种嘈杂的关系，受试者必须学会跟踪每种形状的奖励

可能性。可以根据受试者选择和奖励的历史计算每次试验的奖励预测误差，然后将其包含在对其功能性核磁共

振数据的分析中。许多使用这种方法的研究发现，逐个试验的奖励预测误差与腹侧纹状体中的血氧水平依赖活

动相关，腹侧纹状体是一个接收中脑多巴胺能神经元输入的区域。

其他计算模型（如整合了认知心理学、计算机科学和神经科学的深度神经网络）也通过产生关于大脑活动

的新假设发挥了重要的理论作用。由于这些模型通常受到大脑结构和功能的启发，因此它们有助于弥合分析水

平，从动物的生理记录到人类的功能性核磁共振成像。它们还通过模拟可以在大脑中寻找的心理和神经生物学

兴趣变量，在数据分析中发挥有用的作用，这种方法通常被称为基于模型的分析。

6.4 功能性核磁共振成像研究需要仔细解读

前面提供的例子说明了功能性核磁共振成像如何提高我们对大脑和行为之间联系的理解。在与心理学的接

口上，功能性核磁共振成像可以补充纯粹的行为测量。许多复杂的人类行为（例如，记忆回想、决策制定）取决

于多个处理阶段和组件。与仅基于简单的行为测量（例如准确性或响应时间）的行为相比，使用功能性核磁共

振成像测量这些过程可以提供更丰富、更机械的行为解释。在与系统神经科学的接口上，功能性核磁共振成像

补充了直接神经元记录。大多数大脑区域（例如，海马体）支持多种行为，并且与其他区域协调一致。使用功能

性核磁共振成像对整个大脑进行成像的能力使得在网络层面更全面地了解神经机制成为可能。

那么在任务期间在某个区域发现血氧水平依赖活动意味着什么？如图 6.4.1 所示，大脑和行为之间映射的多

样性对功能性核磁共振成像结果的解释提出了严峻挑战。一个基本的考虑因素是推理的类型。大多数功能性核

磁共振成像研究使用前向推理，其中一项实验比较了操纵特定心理过程参与的任务条件之间的血氧水平依赖活

动（例如，比较面部与非面部刺激的影响以研究面部识别）。可以推断这些条件不同的大脑区域参与了操纵过程。

105

6.5 未来的进步取决于技术和概念的进步

前向推理依赖于任务操作，因此允许研究人员推断大脑活动的差异与感兴趣的心理过程有关。

通过反向推理，神经活动的差异是推断哪个特定心理过程活跃的基础，即使导致差异的条件并非旨在操纵

该过程。例如，在之前的人脸与非人脸对比中，研究人员可能会将纹状体中的不同活动解释为人脸有益的证据。

这种反向推理通常是不合理的，因为奖励既没有被测量也没有被操纵，即解释是基于其他操纵奖励并发现纹状

体活动的研究。问题的出现是因为每个大脑区域通常支持不止一种功能，这意味着仅通过观察活动就不清楚哪

些功能参与了。事实上，纹状体也与运动密切相关，所以也许面部参与运动而不是奖励过程？这个例子中逻辑

合理的结论反映了前向推理，即纹状体参与了面部识别的某些（尚未解决的）方面。

因此，一种解决方案是不在功能性核磁共振成像研究中使用反向推理。然而，在某些情况下，反向推理可能

是可取的，甚至是必要的。例如，反向推理可以让研究人员进行探索性分析并生成新的假设，甚至可以从为其

他目的收集的数据中得出。这对于充分利用难以收集的功能性核磁共振成像数据尤其重要，例如来自儿童、老

人和患者的数据（文本框 6.2）。出于这种需要，已经开发了统计工具来支持反向推理。例如，基于网络的工具

Neurosynth 使用已发表研究的大型数据库来分配特定心理过程（例如奖励）的概率，因为在特定区域（例如纹状

体）中观察到了血氧水平依赖活动。

文本框 6.2 (现实世界中的大脑成像)

♠

利用非侵入性工具对人脑进行成像和测量内部心理过程的能力引起了人们对将功能磁共振成像应用

于各种现实世界问题的兴趣，如临床诊断和治疗、法律和司法、人工智能、营销和经济以及政治。

在临床领域，一个有趣的方向是使用功能磁共振成像来检查植物人状态的患者。研究表明，一些这样

的患者表现出反映心理处理的大脑活动。例如，患者可能表现为昏迷（无意识、非交流和对外部刺激不反

应），但当被要求思考一个动作时，运动皮层或当被要求想象特定的视觉提示时，在特定类别的视觉区域

表现出神经活动。这些发现可能会影响临床医生对患者的预断和治疗。

功能性核磁共振成像在现实世界中的另一个潜在应用是测谎。根据大脑活动准确区分真相和谎言的

能力在法庭上可能具有重要价值。一些实验室研究报告称，当一组受试者被要求重复撒谎时，大脑活动会

有所不同。然而，为了有用，功能磁共振成像需要以一种不受策略或对策影响的方式，提供高度可靠的证

据，证明一个人是否在特定事件上撒谎。这在目前是不可能的，事实上，功能磁共振成像的证据在法庭上

通常是不可接受的。

功能磁共振成像的这些和其他应用引起了道德和隐私方面的担忧。例如，当局可以使用功能磁共振

成像数据来证明相应的决定（如有罪或无罪），利用公众的偏见来相信生物学解释，即使基础科学尚未确

定。更令人不安的是，人类目前对我们是否分享内心想法和感受拥有自主权，但感知这些信息的设备可能

会改变这一点。因此，神经科学家在考虑实际应用时面临的一个重要挑战是准确地传达功能磁共振成像

功能强大但有局限性，以及我们对人脑的理解正在进行中。

区分大脑活动与行为的相关性与大脑活动与行为之间的因果关系也很重要。如果大脑区域有选择地并持续

地参与特定的心理过程，则这种相关性并不能得出它在该过程中发挥必要或充分作用的结论。关于充分性，大

脑区域可能（并且很可能确实）与一个或多个其他大脑区域合作以完成该过程。就必要性而言，该地区的活动

可能是其他地方加工的次要副产品。

支持功能性核磁共振成像研究解释的一种方法是评估研究结果如何与更具侵入性的方法（例如癫痫患者的

电刺激）的研究结果趋同。由于每种工具都有局限性，包括神经元记录等其他相关措施，因此这种汇聚证据的

原则对于推进对大脑如何支持行为的理解至关重要。除了通过研究和工具汇集证据外，还有人正在努力使用经

颅磁刺激或实时神经反馈与功能性核磁共振成像同时操纵大脑功能。

6.5 未来的进步取决于技术和概念的进步

功能性核磁共振成像是迄今为止我们探测健康人脑的最佳技术。它允许以相当高的分辨率测量整个大脑以

及大型受试者样本中心智的许多方面而不会造成伤害。然而，从其他方面来说，如果我们想要更深入、更准确

106

6.5 未来的进步取决于技术和概念的进步

124 Part I / Overall Perspective

A 情景记忆所涉及的区域

B 海马体的多种功能

海马体

重叠

100%

海马体

楔前叶

内侧

前额叶

皮层

额下回

角回

注意

感知

位置

事件

关联

奖励

学习

记忆

Figure 6–3 Challenges of mapping mind and brain. Any

interpretation of data from fMRI must consider the complex-

ity of the relationship between cognitive functions and brain

regions. This complexity is illustrated here with a meta-analysis

from a database containing more than 14,000 published fMRI

studies. (Data retrieved in 2019 from http://neurosynth.org,

displayed on brain from Edlow et al. 2019; figure updated and

adapted from Shohamy and Turk-Browne 2013 by Tristan Yates.)

A.This map shows that multiple brain regions are engaged by

episodic memory—that is, encoding and retrieval of specific

events from one’s past. Colored voxels indicate a high probabil-

ity of the term “episodic” in studies that reported activation in

these voxels (reverse inference). This example illustrates how a

single cognitive function can be associated with multiple brain

regions (one-to-many mapping).

B.These maps show that multiple cognitive functions engage

the hippocampus (circled in white in each hemisphere). Colored

voxels in each inset brain indicate a high probability that these

voxels were activated in studies that examined the corre-

sponding term (forward inference). The overlap map shows

the percentage of these terms that activated each voxel. This

example illustrates how a single brain region can be associated

with multiple cognitive functions and behaviors (many-to-one

mapping).

Kandel-Ch06_0111-0128.indd 124 18/01/21 5:24 PM

图 6.4.1: 映射思维和大脑的挑战。对功能性核磁共振成像数据的任何解释都必须考虑认知功能与大脑区域之间

关系的复杂性。此处通过来自包含 14,000 多项已发表的功能性核磁共振成像研究数据库的元分析来说明这种复

杂性。A. 这个映射显示：多个大脑区域参与情景记忆，即对过去特定事件的编码和检索。彩色体素表明在报告这

些体素激活的研究中术语“偶发性”的可能性很高（反向推理）。这个例子说明了单个认知功能如何与多个大脑

区域相关联（一对多映射）。B. 这些图显示海马体参与了多种认知功能（每个半球的白色圆圈）。每个插图大脑

中的彩色体素表明这些体素在检查相应术语（前向推理）的研究中被激活的可能性很高。重叠图显示了激活每

个体素的这些术语的百分比。这个例子说明了单个大脑区域如何与多个认知功能和行为相关联（多对一映射）。

107

6.6 亮点

地了解大脑的工作原理，它远非我们最终需要的。与动物可用的工具相比，功能性核磁共振成像提供相对嘈杂、

缓慢和间接的神经元活动和回路动力学测量。

正在努力从技术和生物学上解决这些限制。在技术方面，多波段成像序列可以通过并行采集大脑的多个切

片来提高功能性核磁共振成像数据的时间分辨率和空间分辨率。然而，更快的测量本质上受到血液动力学响应

速度慢的限制，较小的体素仍然平均分布在数十万个神经元中。

在生物学方面，我们对血氧水平依赖活动如何从大脑的生理机制中产生有了初步的了解，例如单个神经元

活动、群体活动、星形胶质细胞和其他神经胶质细胞的功能、神经调节系统和血管系统。更好地理解血氧水平

依赖活动与这些过程之间的关系对于了解不同类型的测量何时以及为何一致和分歧至关重要。虽然一些实验条

件会导致神经元活动和血氧水平依赖活动增加，但其他实验条件不会。例如，虽然视觉提示的呈现增加了视觉

皮层中的血流量和神经元放电，但如果高度期望的这种视觉提示没有呈现，则血流量仍会增加但神经元活动不

会增加。这表明神经活动和血管活动的耦合存在重要的细微差别，这些细微差别可能具有功能意义，并且血管

信号本身可能比以前认为的更复杂。

正如功能性核磁共振成像的历史所示，一个领域的科学发现可以导致其他领域的意外突破。1970 年代核磁

共振成像的发现（20 年后导致了功能性核磁共振成像的出现）来自物理和化学，并且影响深远，以至于保罗 ·

劳特布尔和彼得 · 曼斯菲尔德获得了 2003 年诺贝尔生理学或医学奖。几十年前核磁共振的发现又使这成为可能，

伊西多 · 拉比获得了 1944 年的诺贝尔物理学奖，费利克斯 · 布洛赫和爱德华 · 珀塞尔获得了 1952 年的诺贝尔物

理学奖。这些发现最初与神经科学并无关联，但却引发了心智、大脑和行为研究领域的一场革命。

6.6 亮点

1. 认知神经科学中的功能性大脑成像方法旨在记录与人类大脑中展开的心理过程相关的大脑活动，将生物

学和行为测量联系起来。目前，占主导地位的技术是功能性核磁共振成像。

2. 功能性核磁共振成像基于 2 个主要概念：磁共振物理学和神经血管耦合生物学。结合起来，功能性核磁

共振成像可以测量血氧水平依赖对神经元活动的响应。当人类受试者在功能性核磁共振成像期间执行认知任务

时，随着时间的推移，血氧水平依赖活动的测量可以与特定的心理过程和行为联系起来。

3. 血氧水平依赖活动和行为之间的联系是通过一系列预处理步骤和统计分析推断出来的。这些分析可以回

答一系列问题，例如哪些大脑区域在特定任务期间处于活动状态，哪些信息被编码在区域内活动的空间模式中，

以及区域如何作为网络的一部分随着时间的推移相互影响。

4. 人脑成像导致了对许多领域行为的神经机制的基本见解。一些突出的例子是了解人脑如何处理面孔，如

何存储和检索记忆，以及我们如何从反复试验中学习。在这些领域中，来自功能性核磁共振成像的数据与动物

神经元记录的发现以及计算模型的理论预测相融合，提供了大脑与思维之间关系的更完整画面。

5. 功能性核磁共振成像记录大脑活动但不直接修改活动。因此，它不支持推断某个大脑区域是否是行为所

必需的，而是该区域是否与该行为有关。大多数研究支持对这种参与的前向推论，即大脑中的活动可以与心理

过程联系起来，因为实验操纵了该过程。

6. 功能性核磁共振成像提供了一个机会来研究人类大脑的功能，因为它参与了健康和疾病中的各种心理过

程。这项技术及其生成的数据分析正在不断发展，以提高生物测量的时间分辨率和空间分辨率，并阐明这些测

量、心理过程和行为之间的联系。

108